文件名称：多个数据集的免疫鲁棒回归分析
文件大小：947KB
文件格式：PDF
更新时间：2024-04-27 17:46:01
多模型; 模型集; 鲁棒回归; 免疫原理; 启发式算法
针对传统多模型数据集回归分析方法计算时间长，模型识别准确率低的问题，提出了一种新的启发式鲁棒回归分析方法。该方法模拟免疫系统聚类学习的原理，采用B细胞网络作为数据集的分类和存储工具，通过判断数据对模型的符合度进行分类，提高了数据数据分类的准确性，将模型集抽取过程分解成“聚类”，“回归”，“再聚类”的反复尝试过程，利用并行启发式搜索初步逼近模型集的解。仿真结果表明，该方法回归分析时间明显取代传统算法，了模型识别准确率明显高于传统算法根据本文8模型数据集分析结果，传统算法中最好的算法平均模型识别准确率为9 0.37％，需53 0.3947秒;。计算时间小于0.5秒的传统算法，其准确率不足1％ ；本文算法仅需0,5094s ，其准确率达到了9 8.25 ％ 。