1 电子工程学院 脉冲功率激光技术国家重点实验室，安徽 合肥230037
2 电子制约技术安徽省重点实验室，安徽 合肥230037
3 电子工程学院航天系，安徽 合肥230037
提出了一种基于非线性核空间映射人工免疫网络的高光谱遥感图像分类算法.根据生物免疫网络基本原理构建了人工免疫网络模型，利用非线性核函数将高光谱训练样本映射到高维空间，完善了人工免疫网络中目标样本核空间相似性分选方法，降低了人工免疫网络识别样本所需的抗体数量，提升了算法的分类精度和运算效率.为了验证算法的有效性，利用两组高光谱遥感数据将多种高光谱分类方法进行了对比实验.实验表明该算法分类精度和算法运算时间上都有较大改善，是一种分类精度更高、运算速度更快的改进型基于人工免疫网络的高光谱遥感图像分类新方法.
高光谱图像 人工免疫网络 抗体 非线性映射 核空间 hyperspectral imagery artificial immune network antibody nonlinear mapping kernel space
为克服传感器免疫网络连接权值获取困难，提出了一种基于学习向量量化的传感器免疫网络诊断模型。该模型将学习向量量化(LVQ)的概念引入到传感器免疫网络模型中，在训练模式下，LVQ用于提取传感器正常工作下的相关性；在诊断模式下，根据LVQ获取的知识即可以确定传感器之间的检测结果，同时给出了诊断模型的性能优化算法。航空发动机传感器的仿真结果表明，所提出的方法能够准确获得网络节点之间的连接权值，保证免疫网络具有较高的检测灵敏度。
传感器 故障诊断 人工免疫网络 学习向量量化 sensors fault diagnosis artificial immune network learning vector quantization
