[发明专利]一种无监督的人工免疫分类方法

说明书

技术领域

本发明涉及影像传感器技术领域，特别涉及一种无监督的人工免疫分类方法。

背景技术

近20年来，模拟生物系统特有信息处理机制是人工智能领域的研究热点，在网络安全，模式识别，机器学习等众多研究领域均取得了令人瞩目的成果。如2001年Watkins在克隆选择算法和人工免疫系统等基础上提出了人工免疫识别系统(Artificial Immune Recognition System,AIRS)分类器模型，Watkins在2002年进行了进一步的改进，并对AIRS进行了实验，充分证明了AIRS可作为高效的分类器。AIRS算法在提出后被成功广泛地应用到多个领域，如：远程遥感图像分类，Email分类，天气预报等等领域。并与传统分类器K-means、ISODATA、Fuzzy以及SOM方法进行比较，取得了更好的分类准确率。与传统的神经网络方法相比较，亦取得了更好的结果。

然而，由于AIRS初始化过程只是随机挑选抗原加入记忆细胞，未考虑记忆细胞之间的距离，导致分类准确率受随机数影响很大，一些研究结果显示AIRS的分类准确率仍低于许多传统分类方法。

同时，AIRS还存在记忆细胞数目在训练过程增长过快，导致最终的记忆细胞数目庞大、但距离偏小的缺陷。其原因是AIRS在训练过程中在新的候选记忆细胞加入后，匹配记忆细胞保留在记忆细胞中仅考虑其与候选记忆细胞的距离，未考虑其与其它记忆细胞之间的距离。

最后，虽然AIRS采用了[0,1]ⁿ的向量来进行抗原和记忆细胞特征描述，以及与欧氏距离进行匹配，但未考虑抗原与记忆细胞特征的权重,或者对特征权重的设定有许多人为因素，因此，传统方法可以认为缺乏一定的科学依据。

发明内容

本发明的目的在于提供一种无监督的人工免疫分类方法，以解决现有AIRS中存在的记忆细胞增长过快，数目庞大的问题。

为解决上述技术问题，本发明提供一种无监督的人工免疫分类方法，包括：

对一训练抗原集合进行初始化，并从所述训练抗原集合中选择抗原形成一记忆细胞集合；

根据所述记忆细胞集合对一ARB细胞集合进行克隆，以生成新的ARB细胞；

在完成克隆选择过程后，对与所述当前抗原同类的每个新的ARB细胞进行资源分配和竞争，以生成新的ARB细胞集合；

从所述新的ARB细胞集合中选出候选记忆细胞，通过比较候选记忆细胞和记忆细胞集合中的记忆细胞的亲和力，更新所述记忆细胞集合以生成新的记忆细胞集合；

根据所述新的记忆细胞集合中预设的K个刺激值最大的记忆细胞进行投票决定集合中细胞的类别，其中，K为自然数。

进一步的，在所述的无监督的人工免疫分类方法中，对一训练抗原集合进行初始化，并从所述训练抗原集合中选择抗原形成一记忆细胞集合的步骤包括：

对一训练抗原集合中的抗原特征向量进行初始化；

随机从所述训练抗原集合中选择抗原，形成一记忆细胞集合，其中，若被选中的抗原的亲和力小于最小记忆细胞加入距离，则重新选择抗原。

进一步的，在所述的无监督的人工免疫分类方法中，对一训练抗原集合中的抗原特征向量进行初始化的步骤中，当抗原类别发生改变时，根据抗原特征向量变异程度对所述抗原特征向量赋权，其中，抗原特征向量权重系数其中，V_i表示第i个抗原特征向量的变异系数。

进一步的，在所述的无监督的人工免疫分类方法中，对一训练抗原集合中的抗原特征向量进行初始化的步骤中，所述抗原特征向量构成的矩阵为：

其中，ag[m]表示第m个抗原，f_n表示抗原特征向量有n个特征，m、n为自然数。

进一步的，在所述的无监督的人工免疫分类方法中，随机从所述训练抗原集合中选择抗原，形成一记忆细胞集合，其中，若被选中的抗原的亲和力小于最小记忆细胞加入距离，则重新选择抗原的步骤中，所述亲和力按如下公式获得：亲和力其中，ω_i表示抗原特征向量权重系数，x_i表

示同类记忆细胞，y_i表示抗原，f_i表示抗原特征向量有i个特征。

进一步的，在所述的无监督的人工免疫分类方法中，根据所述抗原的亲和力获得所述抗原的刺激值，所述刺激值(x，y)=1-亲和力。