论文部分内容阅读
针对aiNet算法中没有定义目标函数、记忆网络动态无规律变化等问题，提出了基于目标进化的人工免疫网络聚类新算法，将人工免疫网络压缩聚类抽象为多目标规划问题，定义了记忆网络的整体进化目标，并采用疫苗注射策略提升免疫学习质量．中心聚类和非线性聚类的仿真结果表明：新算法的聚类质量、压缩质量、参数敏感性等优于原aiNet算法；新算法的平均类散布矩阵迹为4．1420，低于原aiNet的4．2575；样本压缩率比原aiNet算法高8．42％；聚类正确率对压缩阈值的敏感性比原aiNet算法弱．