摘要：为了高效地挖掘分类模型，提出了一种基于抗体克隆选择学说和免疫记忆理论的有监督分类算法MCIC。采用模糊C均值聚类产生的初始抗体和样本特征维的信息熵权重为算法提供了先验知识；在抗体种群进行全局搜索的基础上，设计了动态记忆单元局部搜索算子，用以加快抗体亲和力成熟速度；最终，根据最近邻原则实现了未知样本的类属划分，并采用美国加州大学标准数据集中的4个数据集分类和齿轮箱故障识别问题进行了仿真实验。研究结果表明，与CLOALG算法相比，该算法不仅具有更快的收敛速度，而且获得了更高分类准确率。

关键词：人工免疫系统 记忆克隆 有监督学习 数据分类 

单位：西安交通大学机械工程学院 陕西西安710049