سال انتشار: ۱۳۸۶

محل انتشار: سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۵

نویسنده(ها):

امین زارع – دانشجوی کارشناسی ارشد هوش و مصنوعی و رباتیک بخش علوم و مهندسی کامپیوتر
منصور ذوالقدری جهرمی – عضو هیئت علمی، بخش علوم و مهندسی کامپیوتر دانشگاه شیراز

چکیده:

الگوریتم Artificial Immune Recognition ) AIRS (System با استفاده از مجموعه داده های آموزشی و با الهام گرفتن ازسیستم ایمنی بدن سعی در ساختن الگوهای نماینده (یا سلول های
نزدیکترین K حافظه) دارد. در فاز عمومیت، به کمک الگوریتم همسایه(KNN) و با استفاده از الگوهای نماینده ی ساخته شده،طبقه بندی داده های ورودی جدید انجام می پذیرد . تحقیقات اخیر نشان
داده است که کارایی این روش طبقه بندی تا حد زیادی به معیار فاصلهمورد استفاده وابسته است؛ در این مقاله، نسخه ای از الگوریتمAIRS به نام(AD-AIRS) Adaptive Distance AIRSارائه می شود که از یک نوع معیار فاصله وفقی استفاده می کند . الگوریتمAD-AIRS در مقایسه با الگوریتمAIRS نه تنها از دقت بهتری برخوردار است بلکهتعداد الگوهای نماینده ساخته شده توسط آن کمتر از الگوریتم AIRSمی باشد این مسئله از این لحاظ حائز اهمیت است که باعث افزایش سرعت در فاز طبقه بندی می شود.