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。

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。

混合免疫异常检测

传统的基于免疫的入侵检测系统采用低级别的二进制检测器,妨碍了有意义的知识提取,对Nonself空间的覆盖也不完备。研究了实值否定选择算法,使用实值否定选择算法来产生非自体样本。应用分类算法来寻找自体的特征功能。

超球体检测器覆盖问题的研究

研究表明实值否定选择算法在多维形状空间下呈现出很高的时间和空间复杂性。针对实值否定选择算法中最常采用的超球体检测器,在理论上研究了它的体积,以及体积随半径和维数变化的性质,以此分析了高复杂性出现的原因。针对检测器存在重叠的问题,基于蒙特卡罗方法提出了一个估计检测器覆盖率的算法,用于比较不同检测器生成算法。由于该算法基于随机分布和概率方法,它极大地简化了计算复杂性。

基于局部线性嵌入的免疫检测器优化生成算法

网络安全已上升到国家安全战略层面,入侵检测技术是其重要的组成部分,已得到广泛关注.在基于免疫的入侵检测研究中,针对传统实值否定选择算法不利于高效分析数据而造成的检测器生成速度慢、检测效率低等问题,引入局部线性嵌入算法,借鉴其能对高维数据进行映射降维的特点,提出一种基于局部线性嵌入的免疫检测器优化生成算法,利用局部线性嵌入对高维数据预处理优化降维,并结合实值否定选择算法生成检测器.将该算法用于检测模型,从而提升检测器的生成速率,并可保证生成的检测器高效地处理高维数据.该算法在降维前后可保证样本的局部线性结构不变,具有可变参数少、计算时间短的特点.实验结果表明,所提出算法在显著提高检测器生成速率和对数据检测效率的基础上,检测性能也表现出很好的水平.