基于免疫聚类的特征数据浓缩方法

• 作者: 孙婉胜 柴毅 樊友平 陈允平 马笑潇
• 来源期刊: 信息与控制
• 关键词: 免疫系统 机器学习 特征数据压缩 数据挖掘 主元分析
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 181-187
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2005.02.012

摘要

针对诊断特征数据中重复或相似事例样本和特征参量之间可能存在的相关性,提出一种有效的特征数据双向压缩预处理方法,该法在不损失数据隐含的特征知识的前提下,能有效降低学习机器的学习负担.在进行样本参量的降维处理时,基于主元分析的思想,采用一种改进的主元分析(MPCA)方法用于横向数据压缩,在压缩样本数量时,综述和比较了现有的各种聚类算法,借鉴生物体自然免疫系统中克隆选择以及免疫网络自稳定等有关机理,提出了基于主元核相似度的免疫聚类算法用于纵向数据压缩.仿真实验验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈允平	武汉大学电气工程学院	203	6094	41.0	70.0
2	柴毅	重庆大学自动化学院	157	2347	25.0	41.0
3	樊友平	武汉大学电气工程学院	50	383	10.0	17.0
5	马笑潇	重庆大学自动化学院	19	536	9.0	19.0
8	孙婉胜	武汉大学电气工程学院	17	157	7.0	12.0