WSNs入侵检测中实值否定选择算法研究

针对无线传感器网络免疫入侵检测中否定选择算法采用r-连续位二进制串匹配度作为亲和力,检测率低且无法反映WSNs在一段时间内的动态特性这一现象,提出采用RNS-WSNs算法,该算法用一段时间内属性值的变化率构成向量作为抗原和抗体,通过计算向量间的曼哈顿距离作为亲和力。在NS3上模拟WSNs进行实验,结果显示在能量消耗相当且误报率相同的情况下,RNS-WSNs算法具有更高的检测率。

一种改进的实值负选择算法

通过分析已有实值负选择算法检测率不高的原因,提出一种通过鉴别边界自体样本的改进负选择算法,以提高对检测黑洞的覆盖率。给出算法的改进思想、具体实现过程及优势分析。采用人工合成数据集2DSyntheticData和实际Biomedical数据集对算法进行验证。实验结果表明,该算法检测率较高,所需的检测器数量较少,综合性能较优。

基于否定选择变异算法的电子邮件过滤器

为提高智能邮件过滤系统的识别能力和抗欺骗能力,设计并实现了一种基于否定选择变异算法的电子邮件过滤器。其机理是应用人工免疫算法使得过滤系统具有自学习、自适应能力,同时采用双层过滤方式来提高系统过滤准确性。试验表明该过滤器在正确率、漏报率、误报率三方面具有良好的性能,达到了预期目的。

一种以超球体作为抗体识别区域的新的实值阴性选择算法

从几何模型出发，免疫问题实际上是一个空间划分的问题。将超球体作为免疫系统抗体识别区域，针对经典阴性选择算法的不足，提出了改善的方法，从根本上减少了误报和漏报率，降低了检测器的冗余可能性。仿真和实验实例表明，该算法适合于电路板的故障诊断，有较高的故障诊断率。

基于实值反向选择算法的齿轮箱异常检测

在人工免疫系统反向选择机理的基础上,分析了二进制反向选择算法的缺点及采用实值编码的优点。在利用实值编码的反向选择机理中加入2个进化学习机制,对原始反向算法进行改进得到实值反向选择算法,并应用于机床齿轮箱的运行状态检测。结果表明,该算法产生的检测器集合对非己空间有很好的覆盖能力,并得到了很高的异常检测率。

基于实值反向选择算法的机械设备故障检测

选择算法在实值编码的反向选择机理中加入2种进化学习机制。一将检测器集合远离自己空间,二是移动检测器,并最优化地将检测器分布在非己空间。将其应用于机床齿轮箱运行状态检测,具有很高的故障检测率。

匹配阈值的预测计算和自适应算法实现

基于否定选择算法,提出一种匹配阈值的预测计算方法,通过通用方程计算最优阈值,实验证明提高了检测率,同时分析了预测计算的适用范围。针对静态固定阈值的方法不能适应网络数据动态变化,利用遗传算法进化检测器同时实现阈值自适应,仿真结果表明提高了检测率,降低了误测率,能在自体集动态变化的情况下动态生成检测器。

区域否定选择算法

否定选择算法将单个自体点和其邻近点作为自体区域训练检测器。研究了实值否定算法,定义了连续的自体区域,采用动态聚类法将自体样本点分类到自体区域,训练时根据自体区域半径和与自体区域重心之间的余弦距离做局部训练,并在自体区域内使用可变阈值检测器。实验证明当耐受自体点被当成一个整体使用时能提供更多的信息,可以探测出自体区域边界,使系统效率和检测率得到提高。

新的否定选择算法及其在疾病诊断中的应用

针对现有的否定选择算法存在检测率较低,检测器集合过大等问题,提出了一种结合非自体信息和二次移动的实值否定选择算法(NTMV-detector)。该算法基于训练集中的非自体和随机的方法生成候选检测器中心。二次移动的主要思路是:如果候选检测器中心与成熟检测器匹配,把它移出成熟检测器集;然后通过离候选检测器中心最近的两个自体来微调检测器的位置,确定检测器半径。实验证明,该方法可以有效地提高疾病诊断的诊断率,降低误诊率。

求解多目标数值优化问题的量子演化算法

为提高多目标数值优化问题解的收敛速度并保持解的多样性,基于多目标优化和量子计算原理,提出了一种量子演化算法.首先,根据多目标优化特点,使用多目标密度比较算子对量子种群进行排序和筛选;然后,应用非均匀变异算子对观测种群进行变异以保持解的收敛性并提高局部搜索的能力;最后,使用多样性保持算子对观测种群进行删减以保持解的多样性.实验结果表明,与NSGA-II算法相比,文中算法具有更高的收敛速度和更好的种群多样性.

基于变异的检测器生成算法研究

为提高基于免疫的网络入侵检测系统中检测器的生成效率,减小计算量。对Forrest的否定选择算法(NSA)进行改进,提出候选检测器集的生成不再采用随机方式,而通过对两个数据集(一是已有的合格检测器集,二是自我数据集)进行变异来产生,即利用部分已有的检测结果反馈生成成熟检测器。改进算法提高了候选检测器成为成熟检测器的比率,实验结果表明了算法的有效性。

V-detector优化算法

针对人工免疫系统中V-detector否定选择算法造成的检测器集合黑洞和检测器高重叠率等问题，借鉴生物免疫系统对免疫细胞的调节机制，提出了V-detector优化算法。该算法从父代产生候选检测器子代并通过检测器之间以及检测器与自体集合之间的亲和力对比更新检测器集合，使得检测器集合对非自体空间的覆盖更加合理。通过二维仿真实验和KDDCUP99数据集实验测试，经优化后的检测器集合对非自体空间的覆盖性能有了显著提高，有效提高了系统的检测性能。

一种改进的基于进化阶段的自适应遗传算法

为改善遗传算法的优化性能,延长种群搜索过程,对基于进化阶段的自适应策略遗传算法进行了改进.改进的自适应策略不仅基于进化阶段,同时基于个体,特别是采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.实验结果表明,该改进的算法确实延长了算法的搜索阶段,提高了算法的性能.

改进遗传算法在机械优化设计中的应用研究

采用了遗传算法对机械优化设计中的多目标、多自变量、多约束的优化问题进行了探讨，以解决传统的优化方法容易陷入局部最优的缺陷。运用惩罚函数、实值编码策略和联赛选择机制对标准遗传算法进行了改进。使得改进后的遗传算法在机械优化设计中有了一定的实用价值。

基于人工免疫算法的Multi-Agent故障监测诊断系统

根据复杂机电设备的分布式、自动化、集成化高的特点,将Multi-Agent技术应用于复杂机电设备的故障监测,提出了一个基于层次模型的监测系统构架。各监测Agent中采用实值反向选择免疫算法,对设备运行中的异常情况进行识别。应用该系统对某选煤厂电机系统进行在线监测,提高了系统监测的智能化、自适应能力,并具有良好的可扩展性。

免疫入侵检测多形态检测算法

针对基于免疫机制的入侵检测系统的单一形态检测器检测性能低下的问题,分析了二进制形态空间和实值形态空间各自的不足,借鉴免疫独特型网络理论和免疫危险理论的信号机制,提出了多形态检测算法,该算法使用二进制形态和实值形态两种检测器协同检测,通过协同信号判定事件是否异常。经实验表明,该多形态检测算法较单一形态检测算法在检测性能上有了极大的提高。

基于完全自适应策略的遗传算法

为改善标准遗传算法的优化性能,延长种群搜索过程,提出了完全自适应策略的遗传算法.自适应策略不仅基于进化阶段,同时基于个体,特别采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.

结合KPCA的阴性选择变压器故障诊断

为解决常规阴性选择方法在故障诊断领域存在漏诊和故障难以有效细分检测的缺陷,文中提出一种结合核主成分分析(KPCA)的实值阴性选择自适应分类算法,采用实值编码,以欧氏距离衡量被检样本与检测器的亲和度,具备学习和分类的能力,实现了故障的细分类。针对电力变压器油中溶解气体数据(DGA),应用核主成分分析技术提取样本特征量,经归一化处理后对所提出的算法进行训练,测试结果证明了该方法的有效性,与BP神经网络、最小二乘支持向量机相比,获得了更高的故障检出率,对电力变压器典型的4类故障检出率达到了90%以上。

基于检测器覆盖率评估的否定选择算法

分析了检测器数目对检测性能的影响,构造了一种基于检测器覆盖率评估的否定选择算法;为了进一步减少冗余检测器,提出了一种检测器集优化方法.仿真实验表明,本文算法能够在保证较高检测率的前提下,降低检测器集规模,从而提供了良好的检测效率,具有较好的理论价值和工程应用价值.

基于人工免疫系统的电路小样本故障诊断方法

针对常规电路故障诊断方法存在的故障样本需求大的问题,基于免疫系统的阴性选择机理,提出了建立人工免疫系统实现电路小样本故障诊断的新方法。该方法仅需电路正常模式测试数据加一组故障模式测试数据为样本,生成随机检测器,再运用变异实值否定选择算法优化随机检测器,结合基于故障样本生成故障类型检测器构成人工免疫系统的故障检测器,并采用二次匹配方法完成电路的故障诊断。对ITC’97的CTSV滤波器电路的故障诊断表明,该方法可应用于小故障样本场合下的电路故障诊断,具有较高的实际应用前景。