【摘 要】文章是在生物免疫機(jī)制的基礎(chǔ)上提出了基于人工免疫的新的半監(jiān)督學(xué)習(xí)算法，新算法在ORL人臉圖像上進(jìn)行了實(shí)驗(yàn)驗(yàn)證。由實(shí)驗(yàn)結(jié)果得出，新算法具有很好的自學(xué)習(xí)能力和自適應(yīng)能力，在識別率方面也取得了很好的效果。

【關(guān)鍵詞】人工免疫系統(tǒng) 半監(jiān)督學(xué)習(xí)

一、引言

人工免疫系統(tǒng)是高度復(fù)雜性系統(tǒng)的代表，它有著很好的自學(xué)習(xí)、自適應(yīng)、自組織能力，通過對人工免疫系統(tǒng)的研究可以大大的促進(jìn)復(fù)雜科學(xué)的發(fā)展。文章是將人工免疫系統(tǒng)和半監(jiān)督學(xué)習(xí)算法相結(jié)合提出了一種新算法，并在ORL人臉圖像上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果可以看出新算法切實(shí)可行。

二、人工免疫半監(jiān)督學(xué)習(xí)算法

在人工免疫模的式識別系統(tǒng)中，把系統(tǒng)的訓(xùn)練階段看作是免疫應(yīng)答中的初始應(yīng)答，主要是用來學(xué)習(xí)訓(xùn)練樣本的信息從而產(chǎn)生記憶細(xì)胞 ，以便速響應(yīng)二次應(yīng)答。把系統(tǒng)的測試階段看作是二次應(yīng)答，借用初始應(yīng)答(訓(xùn)練階段)得到的訓(xùn)練樣本信息去識別測試樣本。在此基礎(chǔ)上，我們把訓(xùn)練樣本看作是第一類抗原模式測試樣本看作是第二類抗原模式。把第一類抗原用來訓(xùn)練抗體集合 ，并通過進(jìn)化學(xué)習(xí)算法產(chǎn)生成熟的檢測器集合 ，把第二類抗原用來測試抗體集合 ，驗(yàn)證算法的有效性。

算法步驟

（一）把抗原樣本分成兩組，第一組訓(xùn)練樣本集合Q，第二組測試樣本集合Q1；

（二）對應(yīng)訓(xùn)練樣本集合Q，選出初始抗體集合P，此過程中假設(shè)所有類別已知，且每一類別保證有樣本被標(biāo)記；

（三）對已經(jīng)標(biāo)記的抗體集合使用免疫算法進(jìn)行訓(xùn)練，建立起抗體記憶集合M；

（四）滿足終止條件，則結(jié)束訓(xùn)練；

（五）從訓(xùn)練數(shù)據(jù)中得到成熟抗體記憶集合M’；

（六）將訓(xùn)練結(jié)果送入測試樣本集Q1進(jìn)行測試；

（七）測試結(jié)束后則得出分類結(jié)果。

三、實(shí)驗(yàn)結(jié)果

在此實(shí)驗(yàn)中使用了ORL人臉庫中的樣本進(jìn)行分類實(shí)驗(yàn)。先將圖像預(yù)處理降維，分解出圖像特征矩陣。再把訓(xùn)練樣本庫的特征向量集合在新算法中進(jìn)行抗體訓(xùn)練，完成以后把測試樣本庫的特征向量集合用來測試從而得出識別和分類結(jié)果。

實(shí)驗(yàn)1是在標(biāo)記樣本和訓(xùn)練樣本都不變的情況下，識別率隨著閾值變化而變化的情況，結(jié)果如圖1；實(shí)驗(yàn)2是在閾值和標(biāo)記樣本不變的情況下，識別率隨著訓(xùn)練樣本變化而變化的情況，結(jié)果如圖2；實(shí)驗(yàn)3是在最佳閾值下訓(xùn)練樣本不變，標(biāo)記樣本數(shù)不同，識別率隨著標(biāo)記樣本比例變化而變化的情況，結(jié)果如圖3；實(shí)驗(yàn)4是最佳閾值情況下只標(biāo)記每類樣本中的前兩個(gè)，訓(xùn)練樣本數(shù)不同，得道德識別率與文獻(xiàn)中的算法識別率進(jìn)行比較，結(jié)果如圖4。

四、算法性能分析

從實(shí)驗(yàn)中可以看出新算法在自學(xué)習(xí)、自組織、自適應(yīng)方面性能較好。標(biāo)記率處于20%-60%中間段時(shí)，識別率增長相對較快，標(biāo)記率處于60%-100%中間段時(shí)，識別率增長相對較慢，因此我們得出，基于人工免疫的半監(jiān)督學(xué)習(xí)算法在標(biāo)注少量樣本的情況下自學(xué)習(xí)自適應(yīng)能力較好，而當(dāng)標(biāo)記率為100%時(shí)其學(xué)習(xí)能力則相對較差，由此我們可以得出新算法要比文獻(xiàn)中已提出的算法更具優(yōu)越性。

參考文獻(xiàn)：

[1] Warkins，Timmis J.Artificial immune recognition system(ARIS): Revisions and refinements， In: Proceedings of ICARS， 2002. Canterbury， 2002:173

[2] 李海潮，陳強(qiáng). 基于人工免疫的監(jiān)督學(xué)習(xí)模型及其應(yīng)用.計(jì)算技術(shù)與自動化，2006；25（2）：120-123

作者簡介：

李靜（1984-），女，碩士研究生，研究方向：智能控制。聯(lián)系方式：煙臺南山學(xué)院，山東龍口。