طراحی یک دسته بند بر اساس مفاهیم سیستم های ایمنی

بسیاری از الگوریتم های سیستم ایمنی مصنوعی بکار گرفته شده در زمینه داده کاوی از معیار فاصله اقلیدسی استاندارد برای محاسبه پیوستگی بین واحد های سیستم، آنتی بادی ها و آنتی ژن ها، استفاده می کنند. معیار فاصله اقلیدسی استاندارد منجر به تاثیر یکسان تمام ویژگی ها بر پیوستگی یا فاصله محاسبه شده می گردد. در صورتی که در اغلب موراد، برخی ویژگی ها ارتباط بیشتر و برخی دیگر از ویژگی ها ارتباط کمتری با موضوع دسته بندی دارند. بعضی از ویژگی ها نیز نامرتبط با موضوع دسته بندی هستند. در این پژوهش، روشی برای تخصیص وزن به ویژگی ها، بر اساس میزان تاثیر آن ها در فرآیند دسته بندی، با استفاده از قوانین وابستگی ارائه شده است. الگوریتم پیشنهادی، سیستم ایمنی مصنوعی مبتنی بر وابستگی(abais)، در تمام مراحل محاسبه پیوستگی از معیار فاصله اقلیدسی وزن دار استفاده می کند. کارایی الگوریتم پیشنهادی بر روی مجموعه داده-هایی از پایگاه یادگیری ماشین دانشگاه کالیفرنیا، ارزیابی و با سایر الگوریتم های دسته بندی مقایسه شده است. روش پیشنهادی، دقت دسته بندی بیشتری را در مقایسه با برخی الگوریتم های دسته بندی مبتنی بر سیستم ایمنی مصنوعی همچون الگوریتم پایه ای خود یعنی airs و سایر الگوریتم های دسته بندی شناخته شده بدست می آورد.