基于人工免疫网络的遥感影像关联规则挖掘方法

摘要

本发明提供的是一种基于人工免疫网络的遥感影像关联规则挖掘方法。用于从遥感影像中挖掘潜在的规律和模式。使用了人工免疫系统中的基于分区记忆模式的人工独特型网络，在结构上将免疫网络的记忆抗体划分为特异记忆抗体区和自由记忆抗体区。在遥感影像关联规则挖掘过程中将要挖掘的关联规则作为抗体，将用户感兴趣的属性值作为抗原，并基于上述分区，在初次免疫响应过程中实现网络的搭建和训练，在二次免疫响应过程中实现信息提取；最后根据领域知识对从遥感影像中挖掘出的关联规则进行优化。本发明充分利用了记忆抗体亚动力的自组织、自学、自适应、全局优化作用等特性加快了关联规则的挖掘速度，同时具有较强的鲁棒性和有效的全局搜索能力。

主权项

一种基于人工免疫网络的遥感影像关联规则挖掘方法，其特征是：步骤1从遥感图像中对采样像素点提取待分析的各种属性数据；步骤2对提取的属性数据进行分割；步骤3将分割后的图像数据转化为事务数据库；步骤4把要挖掘的关联规则作为抗体，将用户感兴趣的属性值作为抗原，对抗体抗原编码，采用实数编码方式；抗原分两种情况作用于RAIN网络内的抗体；初次免疫响应和二次免疫响应；初次免疫效应：步骤5设定RAIN网络规模，免疫激励阈值及终止条件最大迭代次数；步骤6搭建并初始化RAIN网络，设置特异记忆抗体区和自由记忆抗体区；步骤7对所有抗原进行人工免疫训练，得到所有样区的记忆抗体数据库，对所有抗原的训练包括以下步骤：1)计算抗原到RAIN网络中每个抗体的激励水平，从初始抗体记忆库中找到与该抗原最匹配的抗体；2)对最匹配的抗体进行克隆，得到克隆抗体种群，对其中的克隆抗体进行变异，将变异后的抗体进行抑制处理；3)对于经过2)的抗体种群，判断该种群的平均刺激水平是否达到设定的激励水平，如果达到则进入4)，否则对该种群进行克隆变异操作，从步骤1)开始重新计算，直到满足阈值条件；4)从抗体种群中选择对抗原刺激水平最大的细胞作为候选记忆抗体，然后比较候选记忆抗体与步骤6中得到的自由记忆抗体的刺激水平大小，由两者激励水平最高者来进化特异记忆抗体区中激励水平最低的抗体；步骤8再次建立RAIN网络中所有抗体之间的连接；步骤9测试第i个样本抗原训练是否完成；完成则复位自由记忆抗体区，否则返回步骤7；步骤10测试所有样本训练是否完成，完成则输出RAIN网络，否则返回步骤7；二次免疫效应：步骤11设定RAIN网络各特异记忆区激活的阈值；步骤12抗原作用于RAIN网络，计算网络中各个特异记忆抗体所受的激励；步骤13比较激励水平与特异记忆区激活的阈值，如较激励水平大于阈值则该类特异记忆抗体区被激活，获得参与识别该抗原的资格；具备识别资格的特异记忆抗体竞争识别抗原，受激励最大者，识别抗原成功；步骤14输出识别结果各类的特异记忆区的激励水平；步骤15测试二次免疫响应是否完成，完成则保存识别结果和特异记忆区的激励水平，否则返回步骤12；步骤16若终止条件满足，则把编码还原为规则，对关联规则进行提取和优化，结束挖掘过程，否则返回步骤4。