否定选择算法综述

对否定选择算法进行了综述,首先回顾了否定选择算法的产生与发展;接着按照不同技术标准对其进行分类,并列举否定选择算法的实际应用情况;最后讨论了该算法所存在的问题以及未来的发展方向。

用于异常检测的实值否定选择算法

针对已有实值否定选择算法检测器生成过程的不足,提出了一种优化的检测器生成算法。充分利用自体空间的分布,优化检测器生成的中心位置,扩大检测器的半径,尽可能生成覆盖范围大的检测器;使用覆盖率期望值作为算法结束的一个控制参数,有效地避免了冗余检测器的产生。建立了异常检测系统的形式化描述,定义了一个新的异常检测性能衡量指标——错误率。最后,通过人工合成数据集2DSyntheticData以及实际的Iris数据集及Bio-medical数据集对算法进行了验证。试验结果表明,相比V-detector算法,本文算法提高了检测率,降低了错误率,减少了所需检测器数量,整体检测性能较优。

基于免疫否定选择算法的机场航班延误状态检测与实现

把免疫算法中的否定选择算法运用到航班延误状态的诊断检测与预测中,将生物免疫系统机制与机场航班运行机制联系起来,建立了相应的自体集合、检测细胞、抗原信息及它们之间的匹配模型,给出了检测方法。首先根据机场航班运行数据生成航班检测的成熟检测器和记忆检测器,然后用否定选择算法和航班数据对检测器进行训练和改进,最后利用检测器中的信息对机场航班状态分段进行预测,获得每个时段的航班延误状况,为机场有关部门对航班延误应急处理提供决策支持。仿真实验表明,该方法能较准确地预测航班的延误状态,且实时性好。

基于矩阵形式的否定选择算法研究

现有的状态空间表示形式和匹配规则已经成为否定选择算法研究的瓶颈。为此,该文将状态空间从向量扩展到矩阵,提出了一种基于矩阵形式的否定选择算法。引入矩阵表示自我和非我空间,定义了元素匹配距离,在此基础上建立了双向匹配规则;同时根据状态空间特征建立了基于覆盖检验的检测器生成算法。实验结果表明该算法性能明显优于实值否定选择算法,有效解决了检测率和误报率联动的问题,且能产生更为高效的检测器。

否定选择算法在网络入侵检测中的应用

针对入侵检测中区别合法授权行为与非法授权行为的问题,从生物免疫系统中得到启发,采用生物免疫系统中的否定选择算法,建立了网络入侵检测模型.通过实验测试表明,在低误报率的情况下,提高了检测率.

应用带变异的否定选择算法寻找滑坡突变点

基于人工免疫系统带变异的否定选择算法的思想,对滑坡监测数据进行处理,根据部分匹配原则产生检测器,寻找滑坡突变点。通过对卧龙寺新滑坡监测数据的实例研究表明,该方法是可行的,能准确寻找滑坡突变点。

高维数据环境下网络异常检测的改进否定选择算法

人工免疫中的否定选择算法目前已成功地应用于异常检测的低维数据集上,但在高维数据集上的效果不大理想。为了改善算法的性能,分析了现有否定选择算法在网络异常检测中的不足,对带变长检测器的否定选择算法进行了修改,提出了一种改进的否定选择算法,新算法中通过移动检测器控制检测器覆盖情况。仿真实验结果表明了改进算法在网络异常检测中高维数据集上的有效性,可以取得较高的检测率和较低的误报率。

快速否定选择算法的研究与分析

人工免疫算法具有良好的特性,已被广泛应用于入侵检测、信息恢复、数据挖掘等领域的研究中,否定选择算法是人工免疫算法中的典型算法,但存在重复检查、检测器查找效率低及逐位比较的时间和空间开销大等问题.我们分析否定选择算法中匹配算法的特点,设计自体、检测器和抗原中检测元素的转换算法,提取自体数、检测数和待检数;引入红黑树建立索引,设计基于红黑树的快速否定选择算法,避免反复提取子串和重复比较等问题,提高检测效率.最后实现了快速否定选择算法的原型系统,测试、比较了否定选择算法和基于红黑树快速否定选择算法的检测效率,测试结果表明使用基于红黑树快速否定选择算法检测抗原,能有效的减少比较次数,提高检测效率.

否定选择算法中一种改进的检测器集生成机制

为提高否定选择算法中检测器集的检测率,提出改进的检测器集生成方法。其主要针对检测器在检测边界元素时遇到的困境问题,把自体点和它的临近点一起作为自体区域,处理自体的泛化问题。给出算法的具体实现过程、优势分析,并通过人工合成数据集2DSyntheticData和实际Biomedical数据集对算法进行了验证。实验结果表明,本算法检测率较高,尤其可以有效检测到处于自体与非自体边界处的点,具有一定的优越性。

终身学习的否定选择算法

针对否定选择算法(NSA)仅模拟了人类适应性免疫系统的中枢耐受过程,而未模拟其外周耐受过程,不具备终身学习能力的问题,提出了具有终身学习能力的否定选择算法(LNSA).LN-SA的学习过程模拟淋巴细胞经历中枢耐受和外周耐受的成熟过程,通过外周耐受实现终身学习,从而提高了抗体区分自体与非自体的能力.与NSA和树突细胞算法(DCA)的比较结果表明,LNSA可有效降低检测误报率,并具有与NSA同样高的检测率.

实值n维混沌映射否定选择算法

针对传统的基于二进制的混沌否定选择算法在检测器生成阶段对混沌映射产生的混沌序列离散化生成的候选检测器,不利于知识和数据的分析,也会造成检测器集生成速度慢及检测效率低等问题,提出了基于实值的混沌否定选择算法.引入混沌理论,采用混沌特性更好的自映射构造n维混沌映射生成候选检测器中心点,改进了传统的检测器生成机制,更适合处理高维空间问题;对原有的V-detector算法进行了优化,通过定向移动与计算几何中心相结合的思想确定检测半径.旨在满足预期覆盖率条件下尽量使半径取值最大化,扩大检测器集的覆盖范围,减少检测器数量.实验结果表明,该算法提高了检测器集的生成速度和检测效率.

改进的否定选择算法在入侵检测系统中的应用

人工免疫系统中的一个重要的核心算法就是否定选择算法(Negative Select Algorithm),该算法用来生成成熟检测器,它是对免疫细胞成熟过程的模拟。否定选择算法的检测器是随机生成的,因此检测器集合冗余度高、对非自体空间的覆盖率低。针对这一问题,本文提出一种改进算法,通过对检测器进行二次筛选来降低检测器的重复率和冗余度。实验证明,在基于免疫原理的入侵检测模型中改进算法可以将模型的正确检测率提高10%,漏检率降低3%,该算法是有效的。

否定选择算法中高性能检测器的生成

将自体集合依据r值分段提取出自体集合的补集,将这些补集连接成检测器集合的机制仍然存在大量冗余检测器,增大了时间和空间消耗,降低了检测器的性能和检测效率。为生成覆盖最大非自体空间的最小检测器集合,利用集合间划分与覆盖关系的原理,改进检测器集合的生成机制。理论分析与仿真结果表明,该策略能最大限度减小冗余检测器规模,降低产生检测器集合的时间消耗,提高检测器集合的检测性能。

一种用于异常检测的实值否定选择算法

为了提高实值否定选择算法的效率,通过分析检测器的更新过程,针对已有实值否定选择算法检测器生成冗余的问题,提出一种减少冗余检测器生成的优化算法。所提算法检测器采用二次否定选择,并通过改变接受和拒绝零假设的条件来快速更新检测器集,进而减少无效检测器的生成。采用该算法对合成数据集2DSyntheticData和实际的Iris数据集进行了实验,结果表明,该算法误警率低,所需检测器的数量明显减少,适合实时异常检测。

一种新型的否定选择算法生成检测器的研究

针对传统否定选择算法存在的问题,以自体空间为基础,依据切割空间否定选择算法的优越性,提出基于二进制字符串的一种新型的切割否定选择算法。通过与固定检测器和可变检测器相比较,证明此算法具有较高的检测率和较低的误报率。最后通过仿真模拟此算法可用较少的检测器检测出等量的入侵检测器,并且自体集的分布状态和完善状态直接影响到检测器的有效率。

可拓否定选择算法及其在故障诊断中的应用

针对传统故障诊断算法无法利用正常状态样本实现故障检测的问题,将可拓学与否定选择算法相融合,提出一种可拓否定选择算法。采用基元对模型进行描述,根据关联函数定义亲和度的计算公式,并分别设计可拓检测器的生成和优化算法,在可拓检测器生成阶段,通过对初始检测器进行自体耐受得到成熟检测器;在可拓检测器优化阶段,通过对成熟检测器进行合并得到数目更少的成熟检测器;在参数分析中讨论了亲和度阈值对检测器覆盖率和检测率的影响。最终采用可拓否定选择算法对某型飞机综合显控平台的测试数据进行故障检测,得到的成熟检测器不仅个数少、无冗余,而且具有较高的检测率,结果表明该算法能够解决无故障样本条件下的故障检测问题,且检测结果与实际情况相符。

使用否定选择算法改进文本过滤

本文针对基于关联规则的文本过滤器设计做了如下探索:(1)针对中文网络语言的特点,引入n-Gram方法提取文本的特征;(2)提出边界样本的概念;(3)在设计基于关联规则的文本过滤器时,引进了否定选择算法,采用否定选择算法对过滤器的检测器集合进行自体耐受,最终建立高准确率的文本过滤器。实验表明,经过自体耐受的过滤器可以有效地提高过滤准确率。

免疫进化否定选择算法

当训练样本分布密集交错时,传统的否定选择算法难以将检测器生成在正/反样本间的有效区域,导致检测器集合对这些样本的识别率降低,影响了算法性能。为使检测器能有效地识别分布密集交错的样本,提出了免疫进化否定选择算法(IENSA)。IENSA通过加入两个免疫进化过程,首先在样本分布密集的区域引导检测器在正/反样本之间有效地生成,然后在样本分布稀疏的区域对冗余检测器进行抑制。实验结果表明在二维人工数据集Rectangle与三维标准数据集Skin segmentation上,相对于经典的RNSA与V-detector算法,IENSA均能以较少的检测器达到较高的检测率。

一种改进的否定选择算法在入侵检测中的应用

有效的检测器生成算法是入侵检测的核心问题。针对现有算法存在检测率低、匹配阈值固定、检测器集合庞大等问题,通过对人工免疫系统中否定选择算法原理的分析,提出一种生成最有效检测器集的变阈值模糊匹配否定选择免疫算法,并将该算法应用到入侵检测系统中。算法采用随机生成和基因库相结合的候选检测器生成机制,在保证检测器多样性的同时,提高了候选检测器成为成熟检测器的比率。为了消除冗余检测器的产生,提高检测器集的检测效率,算法在模糊匹配的基础上生成有效检测器集。同时,匹配阈值可变,可大幅降低黑洞数量。实验结果表明,该算法提高了入侵检测率,降低了虚警率,整体检测性能较好。

新型否定选择算法计算机病毒检测技术的研究与实现

分析传统否定选择算法和计算机病毒检测技术所存在的问题,总结诸多学者在这方面的改进方案和实施方法。根据切割空间的否定选择算法,提出一种应用于二进制生成串检测器的新型切割否定选择算法。