论文部分内容阅读
针对克隆选择算法抗体网络规模庞大的缺陷,将克隆变异思想和抗原一次性提呈方式相结合,提出了一种新的图像分类算法。新算法通过定义抗体识别半径、基于抗原和抗体浓度对抗体进行克隆选择、重新设计自适应克隆变异算子,使生成的抗体群更好地反映抗原分布。将测试集中的反例数据设计到变异公式之中,规范了变异方向。自然图像的分类实验表明,新算法的平均分类精度和寻优速度分别为87.33%和9.3 s,均优于克隆选择算法。