[发明专利]基于免疫抗体网络的模式识别方法

权利要求书

1.一种基于免疫抗体网络的模式识别方法，其特征是，以随机抽取一定数目的各类训 练样本，生成免疫抗体网络中相应类别的初始抗体，完成免疫抗体网络的初始化；以所有训 练样本作为输入抗原，应用抗体生成算法，训练免疫抗体网络，免疫抗体网络中的抗体有效 提取各类训练样本的模式特征，连续两次训练结果一致时，训练终止并保存训练好的免疫抗 体网络，训练后的免疫抗体网络用于模式识别；

所述免疫抗体网络初始化的方法是：

把用户给定的训练样本作为抗原，用n维的实数向量表示，第j个抗原Ag_j表示为：

Ag_j＝(Ag_j1，Ag_j2，...，Ag_jn)

与之对应，免疫抗体网络中的抗体，用一个(n+2)维的实数向量表示，免疫抗体网络中 第i个抗体Ab_i表示为：

Ab_i＝(T_i，C_i，Ab_i1，Ab_i2，...，Ab_in)

其中，T_i是抗体Ab_i所属的类别信息，即抗体Ab_i能够识别的抗原的类别；C_i是抗体Ab_i的浓度，表示抗体Ab_i识别抗原数量的多少，Ab_i1～Ab_in分别表示抗体Ab_i的各维属性信息， 表示抗体的模式特征；

初始化后的免疫抗体网络中，共计包含m×k个抗体，此时免疫抗体网络中的抗体定义 为初始抗体，其中m是初始抗体的类别数目，k是每类初始抗体的数目，各个初始抗体的类 别信息T_i，根据对应的随机抽取的训练样本的类别来确定，其属性信息也由对应的随机抽取 训练样本来确定，所有初始抗体的浓度值均取零；

所述免疫抗体网络训练的方法是：按照顺序或随机选取一个训练样本作为输入抗原，输 入到免疫抗体网络，免疫抗体网络中的抗体根据抗体生成算法，完成对输入抗原的学习和记 忆，直至所有抗原输入完毕，则称为完成了一次训练；反复训练免疫抗体网络，如果连续两 次训练结果一致，即连续的两次训练，免疫抗体网络中各类抗体的数目没有发生变化，免疫 抗体网络训练结束；

所述抗体生成算法是：

定义：

①相似度：描述两个样本之间的相似或相近的程度，以欧几里德距离作为相似度的 测量标准；

②d_ij：免疫抗体网络中抗体Ab_i与抗原Ag_j间的相似度；

③s_ij：免疫抗体网络中抗体Ab_i与抗体Ab_j间的相似度；

④D：输入抗原与免疫抗体网络中抗体的相似度矩阵，其数据元素为d_ij；

⑤S：免疫抗体网络中抗体之间的相似度矩阵，其数据元素为s_ij；

⑥Ab_r：免疫抗体网络中与输入抗原Ag_j相似度最高的抗体，如果存在多个，可以 任选其中一个，即满足d_rj＝min(D)，该抗体称为识别抗体，记为Ab_r；

⑦Ab_b：免疫抗体网络中的识别抗体Ab_r，如果其类别与输入抗原Ag_j一致，则该 抗体称为最佳识别抗体，记为Ab_b；

⑧抗体进化：免疫抗体网络中的抗体Ab_i对输入抗原Ag_j的完成学习和记忆，其计 算公式为：

C_i′＝C_i+1

Ab_im′＝(C_i×Ab_im+Ag_jm)/C_i′，m＝1，2，...，n；

Ab_i＝(T_i，C_i′，Ab_i1′，Ab_i2′，...，Ab_in′)

⑨抗体合并：免疫抗体网络中的两个同类的抗体Ab_i与Ab_j合并成为一个新抗体 Ab_k，免疫抗体网络中原有的抗体Ab_i和Ab_j从免疫抗体网络中删除，新抗体Ab_k的取值按下式计算：

C_k＝C_i+C_j

Ab_km＝(C_i×Ab_im+C_j×Ab_jm)/C_k，m＝1，2，...，n；

Ab_k＝(T_i，C_k，Ab_k1，Ab_k2，...，Ab_in)

⑩抗体新生：根据当前输入抗原Ag_j，在免疫抗体网络中，插入一个新的抗体Ab_j， 新抗体Ab_j的取值为：

Ab_i＝(T_i，1，Ag_j1，Ag_j2，...，Ag_jn)；

其中，新抗体Ab_i的类别信息T_i由输入抗原Ag_j的类别确定；

抗体生成算法确定了免疫抗体网络中抗体对输入抗原的不断学习和记忆过程，根据不同 情况，免疫抗体网络中的抗体发生抗体进化、抗体合并和抗体新生；算法执行过程中，免疫 抗体网络中各类抗体的的数目、各个抗体的浓度及其属性信息依照抗体生成算法自动调节， 无需预先设置参数和阀值；抗体生成算法的具体步骤描述如下：

Step1.计算输入抗原Ag_j与免疫抗体网络中所有抗体间的相似度，得到相似度矩阵D；

Step2.根据相似度矩阵D，在免疫抗体网络中选取识别抗体Ab_r；

Step3.如果识别抗体Ab_r的类别与输入抗原Ag_j类别不一致，则免疫抗体网络发生抗体 新生，即免疫抗体网络针对输入抗原Ag_j产生新抗体Ab_i，算法结束；

Step4.如果识别抗体Ab_r的类别与输入抗原Ag_j的类别一致，则得到最佳识别抗体 Ab_b，即Ab_b＝Ab_r；

Step5.计算Ab_b与免疫抗体网络中类别相同的所有抗体的相似度，得到相似度矩阵S； 根据S，选择与最佳识别抗体Ab_b相似度最高的同类抗体，该抗体记为Ab_j；

Step6.如果最佳识别抗体Ab_b与其相似度最高的同类抗体Ab_j的相似度S_ij，小于最佳 识别抗体Ab_b与输入抗原Ag_j的相似度d_bj，即满足s_ij＜d_bj，则根据输入抗原Ag_j，免疫抗 体网络发生抗体新生，产生新抗体Ab_i，同时最佳识别抗体Ab_b与相似度最高的同类抗体Ab_j执行抗体合并，算法结束；

Step7.如果最佳识别抗体Ab_b根据输入抗原Ag_i发生抗体进化，最佳识别抗体Ab_b对 输入抗原Ag_j完成学习和记忆，算法结束。

2.根据权利要求1所述基于免疫抗体网络的模式识别方法，其特征是，所述各类初始 抗体数目k，根据分类问题的难易程度，取值为10至30。