论文部分内容阅读
针对原有树突状细胞算法DCA(Dendritic Cell Algorithm)在环境状态转变时存在误分类,且随着状态转变的次数越多错误率越高的问题,在原算法的基础上通过设置动态阈值,加入后续抗原对当前采样抗原的评价因子,以及具有放大其他信号功能的发炎信号等策略对其进行改进,将改进算法应用于标准数据集Breast Cancer。实验结果表明,与原DCA算法相比,该算法的稳定性和识别率都有一定改善。