امین زارع - دانشجوی کارشناسی ارشد هوش و مصنوعی و رباتیک بخش علوم و مهندسی کامپیوتر
منصور ذوالقدری جهرمی - عضو هیئت علمی، بخش علوم و مهندسی کامپیوتر دانشگاه شیراز

الگوریتم Artificial Immune Recognition ) AIRS (System با استفاده از مجموعه داده های آموزشی و با الهام گرفتن از سیستم ایمنی بدن سعی در ساختن الگوهای نماینده (یا سلول های نزدیکترین K حافظه) دارد. در فاز عمومیت، به کمک الگوریتم همسایه(KNN) و با استفاده از الگوهای نماینده ی ساخته شده، طبقه بندی داده های ورودی جدید انجام می پذیرد . تحقیقات اخیر نشان داده است که کارایی این روش طبقه بندی تا حد زیادی به معیار فاصله مورد استفاده وابسته است؛ در این مقاله، نسخه ای از الگوریتمAIRS به نام(AD-AIRS) Adaptive Distance AIRS ارائه می شود که از یک نوع معیار فاصله وفقی استفاده می کند . الگوریتمAD-AIRS در مقایسه با الگوریتمAIRS نه تنها از دقت بهتری برخوردار است بلکه تعداد الگوهای نماینده ساخته شده توسط آن کمتر از الگوریتم AIRS می باشد این مسئله از این لحاظ حائز اهمیت است که باعث افزایش سرعت در فاز طبقه بندی می شود.

الگوهای نماینده، نزدیکترین همسایه ، AIRS ، (Artificial Immune Recognition System) فاصله ی وفقی، وزن دهی