主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第4期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
公茂果,郝琳,焦李成,王晓华,孙奕菲.基于人工免疫系统的数据简化.软件学报,2009,20(4):804-814
基于人工免疫系统的数据简化
Data Reduction Based on Artificial Immune System
投稿时间:2007-06-15  修订日期:2008-01-10
DOI:
中文关键词:  克隆选择  数据简化  实例选择  人工免疫系统  进化计算
英文关键词:clonal selection  data reduction  instance selection  artificial immune system  evolutionary computation
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60703107, 60703108 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2009AA12Z210 (国家高技术研究发展计划(863)); the Program for New Century Excellent Talents in University of China (新世纪优秀人才支持计划); the National Basic Research Program of China under Grant No.2006CB705700 (国家重点基础研究发展计划(973))
作者单位
公茂果 西安电子科技大学 智能信息处理研究所 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
郝琳 西安电子科技大学 智能信息处理研究所 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
焦李成 西安电子科技大学 智能信息处理研究所 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
王晓华 西安电子科技大学 智能信息处理研究所 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
孙奕菲 西安电子科技大学 智能信息处理研究所 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
摘要点击次数: 4296
全文下载次数: 4569
中文摘要:
      针对数据简化中的实例选择问题,基于抗体克隆选择学说提出了一种免疫克隆数据简化算法.利用马尔可夫理论证明了该算法能以概率1 收敛.通过对7 个具有代表性的标准UCI 数据集的简化实验证明了该算法的有效性.通过实验分析了权值参数λ的取值变化对算法性能的影响,确定了其最佳取值区间.针对海量数据集简化时算法收敛较慢的问题,引入分层编码策略.通过对7 个大规模及海量数据集的简化实验表明了在进化代数不变的情况下,新的编码方式能够极大地提高算法的收敛速度,得到更为理想的结果.通过对Letter 和DNA两个数据集的实验给出了分层编码中层数t的最佳取值区间.
英文摘要:
      Based on the antibody clonal selection theory, an immune clonal data reduction algorithm is proposed for instance selection problems of data reduction. The theory of Markov chain proves that the new algorithm is convergent with probability 1. The experimental studies on seven standard data sets of UCI repository show that the algorithm proposed in this paper is effective. The best domain of the weight parameter λ is determined by analyzing its effect on algorithm’s performance. Furthermore, an encoding method based on the stratified strategy is introduced to accelerate the convergence speed when solving large scale data reduction problems. The experimental studies based on seven large scale data sets show that the improved method is superior to the primary one. Finally,the best domain of the number of stratums t is determined by analyzing its effect on algorithm’s performance based on the data sets Letter and DNA.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利