基于人工免疫核聚类的支持向量数据描述方法  

Support vector data description based on artificial immune kernel clustering

作　　者：刘大有[1,2] 谷方明[1,2] 王生生[1,2] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]吉林大学符号计算与知识工程教育部重点实验室,长春130012

出　　处：《吉林大学学报（工学版）》2011年第5期1369-1373,共5页Journal of Jilin University:Engineering and Technology Edition

基　　金：国家自然科学基金项目(60773099;60873149;60973088);'863'国家高技术研究发展计划项目(2006AA10Z245);吉林大学科学前沿与交叉学科创新项目(200903178);中央高校基本科研业务费专项基金项目

摘　　要：为使支持向量数据描述(SVDD)能应用于无监督多分类情况,提出了一种基于人工免疫核聚类的支持向量数据描述(AIKCSVDD)方法。AIKCSVDD将人工免疫核聚类产生的记忆抗体作为目标数据点,使用SVDD方法进行多类学习。在AIKCSVDD中,一方面实现了用核聚类方法解决各类数据边界不清晰的长处与免疫网络聚类方法全局收敛、不需要先验知识的优点的有机结合;另一方面,由于用记忆抗体代替原始数据进行学习,从而更好展现了原始数据的全局分布特征。与基于K-means聚类multi-SVDD方法相比,AIKCSVDD不需要事先指定分类数;在人工数据集和UCI数据集上的实验表明,在为multi-SVDD指定分类数的情况下,AIKCSVDD仍比multi-SVDD具有更好的分类性能。Support Vector Data Description（SVDD） is a typical supervised one-class classifier.To apply SVDD to unsupervised multi-class settings,a new Artificial Immune Kernel Clustering based SVDD（AIKC-SVDD） is proposed.It uses memory antibodies generated with artificial immune kernel clustering method as target data,and executes SVDD for multi-class classification.On one hand,AIKCSVDD organically combines the advantages of kernel clustering on handling unclear boundary of classification and the capacity of artificial immune network clustering on global convergence without the requirement of extra prior knowledge.On the other hand,AIKCSVDD uses memory antibodies as target data instead of original data that can better reflect the global distribution of the original data.Compared with multi-SVDD based on K-means clustering,AIKCSVDD does not need pre-determined classification amount.Experiments on artificial dataset and UCI dataset show that,under the condition of appointing classification amount for multi-SVDD,AIKCSVDD still performs better classification than multi-SVDD.

关 键 词：人工智能 支持向量数据描述 人工免疫网络 核聚类 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]