基于人工免疫系统的中文文本分类器的建立和实现

摘要

人工免疫系统是当前计算机人工智能领域的新兴研究热点。近年来人工免疫算法已经在控制领域取得了理想的效果，应用领域不断扩大，本课题以人工免疫系统为研究对象，探索具有可执行性、一定通用性的人工免疫算法，并将其引入中文文本分类系统，旨在建立一个分类时间复杂度低和分类准确率高的系统。 本文采用较多的篇幅对中文文本分类系统算法和人工免疫算法进行论述，重点研究和探索中文文本分类技术具有指导意义的人工免疫系统的建模方法，阐述基于人工免疫原理的中文文本分类器的结构设计和免疫算法流程、算法模块，详细分析了实验数据和算法参数对分类性能的影响。 本文以人工免疫算法aiNet算法和AIRS算法为基础，提出一种可用于分类的NAINC算法。但在理论分析和应用仿真中看出NAINC算法存在着某些缺陷，本文在NAINC算法的基础上对其进行了改进，并与相关分类及SVM算法相结合构成新人工免疫算法AIS-C和AIS-SVM算法，建立中文文本分类系统。除此之外，本文重新对特征属性的重要程度进行评估，建立了三种二次降维处理模型：基于期望、标准差倒数和相关系数模型。 本文首先对人工免疫系统以及中文文本分类领域的当前研究现状进行阐述，随后对人工免疫系统的生物学背景、中文文本分类算法的基本理论、传统的人工免疫算法模型和改进的人工免疫算法模型进行了简要的介绍，最后通过对理想数据集Iris和收集于网络的中文文本数据集对各种改进的人工免疫算法模型进行仿真测试。 实验仿真测试人工免疫算法模型在中文文本分类系统中的性能指标，实验数据表明提出的模型均取得了理想的效果。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究的背景和意义

1.2国内外研究现状

1.3本文的研究工作

1.4本文的内容和结构安排

第2章中文文本分类系统

2.1中文文本与文本分类

2.2中文文本的向量表示

2.3中文文本分类系统

2.4小结

第3章人工免疫系统原理与模型

3.1前言

3.2自然免疫系统

3.3人工免疫系统简介

3.4人工免疫系统模型

3.5 小结

第4章人工免疫分类模型的改进

4.1 AIS-KNN分类模型

4.2三种降维处理方法

4.3 AIS-SVM分类模型

4.4小结

第5章实验测试仿真

5.1数据测试集合

5.2AIS-KNN模型仿真

5.3二次降维方法仿真

5.4AIS-SVM模型仿真

5.5 小结

第6章结论与展望

参考文献

致谢

攻硕期间取得的研究成果