免疫克隆分类算法

• 作者: 公茂果 刘芳 戚玉涛
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 数据挖掘 分类 Michigan方法 人工免疫 克隆选择
• 年，卷（期）: 2005,（z1）
• 页码范围: 2301-2307
• 分类号: TP18
• 字数: 9586字
• 语种: 中文

摘要

本文提出了一种新的数据挖掘分类方法--免疫克隆分类算法(Immune Clonal Algorithm for Classification,ICAC).ICAC是一种基于免疫克隆算法的搜索机制和Michigan方法模型的规则提取和分类方法.与遗传分类算法不同,ICAC是一种自下而上的分类算法.ICAC虽然着眼于规则的进化,但是从编码到免疫算子的设计都立足于训练样本,可避免进化过程中产生无意义规则,且产生的规则是可解释的.文中将算法用于UCI数据集,并与现有的基于非遗传算法、遗传算法和分布式遗传算法的分类方法进行了比较实验.结果表明,ICAC是一种有效的分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘芳	西安电子科技大学计算机学院	145	3511	30.0	54.0
2	戚玉涛	西安电子科技大学计算机学院	14	212	10.0	14.0
3	公茂果	西安电子科技大学计算机学院	21	1246	13.0	21.0