一种基于生物免疫原理的识别算法

提出了一种人工免疫识别算法.该算法将所识别的数据作为抗原,利用抗体、抗原的亲和作用,通过刺激/抑制有关抗体的活动建立一个抗体记忆集合,识别和表示数据结构组织,它具有识别多样性、自我调节功能等特点.通过对二维实数空间的数据和Iris数据进行实验,结果表明该方法聚类效果好,识别率高,且具有较好的泛化能力.     

一种粗糙规则化的双因子免疫控制器

根据粗糙集理论原理,从双因子免疫控制器的控制数据中抽取出控制规则,利用本文提出的一种新的规则评价标准筛选出优秀的规则构造控制器,即粗糙规则化的双因子免疫控制器,来对对象进行控制.通过仿真实验证明,粗糙规则化的双因子免疫控制器不但能够体现出普通双因子免疫控制器的学习记忆能力和抗滞后性能,而且在抗干扰性能和响应速度方面都有明显提高.     

基于支持向量回归的动态区域迁移建模方法及应用

提出了一种基于支持向量回归的动态区域迁移建模方法,该方法使模型随着区域的动态迁移进行在线更新,并采用动态调整ε的方法对同一区域内的数据给予不同程度的考虑,使得当前时刻加入的新数据要比以前时刻的旧数据在建模中所占的比重大.针对LF炉钢水温度预报问题,将此方法应用于预报建模.研究结果表明,该建模方法十分有效.     

基于QBC主动学习方法建立电信客户信用风险等级评估模型

电信客户信用风险等级评估是对电信客户的信用风险进行等级分类. 针对建立客户信用风险等级分类模型时,大量带有类标注数据难以获得的问题,提出了基于主动学习的分类器建模方法,并对基于QBC(委员会投票选择)的主动学习算法进行改进以提高分类器的预测精度. 通过对实际电信客户数据进行信用风险等级建模实验,结果表明:应用新算法,分类器使用了较少的带类标签样本数据,达到了与被动学习相同的精度,大大降低了信用专家评估数据的工作量.