基于人工免疫系統(tǒng)的分類方法及其應(yīng)用研究.pdf

1、人工免疫系統(tǒng)研究旨在抽取生物免疫系統(tǒng)中獨(dú)特的信息處理機(jī)制，研究和設(shè)計(jì)相應(yīng)的模型和算法，進(jìn)而應(yīng)用與解決各種復(fù)雜問(wèn)題。人工免疫作為計(jì)算智能領(lǐng)域的研究熱點(diǎn)，已經(jīng)在信息安全、模式識(shí)別、智能優(yōu)化、自動(dòng)控制、數(shù)據(jù)挖掘等諸多領(lǐng)域得到了應(yīng)用，體現(xiàn)了強(qiáng)大的信息處理和問(wèn)題求解能力。 本文重點(diǎn)研究了一種基于人工免疫系統(tǒng)的分類算法，并將其應(yīng)用到電信行業(yè)的客戶流失分析中。所做工作歸納如下： 對(duì)人工免疫系統(tǒng)理論及人工免疫系統(tǒng)生物學(xué)基礎(chǔ)做了概括和分析

2、，綜述了國(guó)內(nèi)外的幾種典型的人工免疫算法。 對(duì)國(guó)內(nèi)外電信流失分析研究做了概括和分析，綜述了幾種傳統(tǒng)的數(shù)據(jù)挖掘分類算法。目前決策樹(shù)、神經(jīng)網(wǎng)絡(luò)等算法都要采用過(guò)量抽樣才能進(jìn)行挖掘，而貝葉斯算法不能產(chǎn)生容易理解的規(guī)則。 針對(duì)IFRAIS(Induction of Fuzzy Rules with an Artificial Immune System)算法在克隆選擇過(guò)程中容易陷入局部最優(yōu)的弱點(diǎn)，在原來(lái)克隆選擇過(guò)程中增加了抗體與抗原

3、的交叉，并改變了抗體的變異模式，提出了抗體抗原交叉的規(guī)則歸納算法(Induction of Rule with Antibody—Cross—Antigen of Artificial Immune System，IRAA)。同時(shí)也分析了變異概率對(duì)IRAA算法分類性能的影響，還對(duì)IRAA算法的樣本分類過(guò)程進(jìn)行了討論。實(shí)驗(yàn)結(jié)果表明，IRAA算法是一種性能較高的分類算法。 提出了一種基于x2統(tǒng)計(jì)的屬性相關(guān)性的屬性約簡(jiǎn)算法，該算法不但