基于自适应免疫克隆算法的水声目标识别

摘要

针对训练样本集中含有噪声样本、冗余样本以及无关样本,导致分类系统分类性能下降、不稳定的水声目标识别问题,提出了一种新的自适应免疫克隆样本选择算法(AICISA).算法先随机生成初始种群,接着利用克隆复制、自适应抗体更新操作(自适应交叉和简化最近邻变异)和克隆选择指导种群进化,每代中,对分类贡献越大且选择的样本数目越少的抗体,其亲合度值越高.提取了4类实测水声目标的多域特征,进行样本选择和分类识别仿真实验,结果表明:AICISA在样本数目下降90％左右的情况下,支持向量机分类器的正确分类率能提高约10％;AICISA具有较好的收敛性、稳定性,所得优化样本子集具有较好泛化能力且能明显减少分类的时间.