不同的距离测量方法对人工免疫识别系统的性能影响

• 作者: 叶吉祥 范必双 谭冠政 邓泽林
• 来源期刊: 计算机应用研究
• 关键词: 人工免疫识别系统 距离测量方法 分类性能 UCI数据集
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2043-2045
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.06.010

摘要

为了分析不同的距离测量方法对AIRS的性能影响,采用三种距离测量方法实现AIRS,这三种方法分别是Euclidean距离、Manhattan距离和RBF核空间距离,并将三种用不同距离测量方法实现的AIRS算法应用于Iris、Heart和Wine数据集的分类测试.所获得的三组数据集分类的准确率和抗体规模进行了相互比较,结果表明采用Manhattan距离AIRS算法获得了对Iris和Heart的最高分类准确率,而采用核空间距离算法获得了对Wine的最高分类准确率.从抗体群体规模来看,采用核空间距离则能获得最小的抗体群体.从性能比较可知,不同的距离测量方法对AIRS算法的分类性能有较大的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭冠政	中南大学信息科学与工程学院	111	1318	20.0	31.0
2	叶吉祥	中南大学信息科学与工程学院	30	203	10.0	12.0
6	邓泽林	中南大学信息科学与工程学院	24	111	6.0	9.0
8	范必双	中南大学信息科学与工程学院	19	147	9.0	11.0