多模型数据集的免疫鲁棒回归分析

• 作者: 徐雪松 舒俭
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 多模型 模型集 鲁棒回归 免疫原理 启发式算法
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 2285-2290
• 页数: 6页
• 分类号: TP301.6|TP18
• 字数: 7227字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.08.2285

摘要

针对传统多模型数据集回归分析方法计算时间长、模型识别准确率低的问题,提出了一种新的启发式鲁棒回归分析方法.该方法模拟免疫系统聚类学习的原理,采用B细胞网络作为数据集的分类和存储工具,通过判断数据对模型的符合度进行分类,提高了数据分类的准确性,将模型集抽取过程分解成“聚类”“回归”“再聚类”的反复尝试过程,利用并行启发式搜索逼近模型集的解.仿真结果表明,所提方法回归分析时间明显少于传统算法,模型识别准确率明显高于传统算法.根据8模型数据集分析结果,传统算法中,效果最好的是基于RANSAC的逐次提取算法,其平均模型识别准确率为90.37％,需53.3947 s;计算时间小于0.5s的传统算法,其准确率不足1％;所提算法仅需0.5094 s,其准确率达到了98.25％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒俭	华东交通大学教务处	6	34	4.0	5.0
2	徐雪松	华东交通大学电气与电子工程学院	38	211	8.0	13.0