邓泽林，谭冠政，何锫

1.长沙理工大学计算机与通信工程学院，长沙 410076

2.中南大学信息科学与工程学院，长沙 410083

3.广州大学计算机科学与教育软件学院，广州 510006

改进的人工免疫识别系统及其性能分析

邓泽林1，谭冠政2，何锫3

1.长沙理工大学计算机与通信工程学院，长沙 410076

2.中南大学信息科学与工程学院，长沙 410083

3.广州大学计算机科学与教育软件学院，广州 510006

为了改善人工免疫识别系统的非线性能力,进一步优化分类器性能，提出了一种改进的人工免疫识别系统。新算法采用混合核函数来提升算法的非线性能力，同时，对记忆细个体进行适应度评估，淘汰低适应度的细胞来优化免疫分类器。改进的算法被应用于复杂UCI数据集的分类，分类结果与其他经典的分类算法的结果进行比较，结果显示该算法具有更好的分类性能。

人工免疫识别系统；混合核函数；适应度；复杂数据

1 引言

人工免疫系统（Artificial Immune Systems，AIS）启发于脊椎动物的免疫系统，遵从免疫系统功能、原理和模型[1]，其主要特点是学习和记忆[2]。由于具有强大的学习能力，AIS被广泛应用于各种问题，如优化[3-4]、聚类[5-6]、异常检测[7-8]、图像处理[9-10]等。

AIS具有众多的理论和模型，目前的研究主要集中于免疫网络、克隆选择和阴性选择这3种理论[11]。基于这3种理论的算法被广泛应用于不同的领域，尤其是机器学习中的分类问题。由于免疫网络具有强大的学习能力，大多数分类器都是基于免疫网络模型来设计的。不同的免疫网络分类算……