针对无序数据集异常检测的树突状细胞算法

为了提高树突状细胞算法对无序数据集的异常检测性能,分析了上下文环境的频繁转换是导致检测精度降低的主要原因,提出了一个"倍增-归并"的树突状细胞算法。先将数据集放大n倍,即每种抗原产生n个实例,对每个实例进行评估,综合每种抗原的n次评估得到最终结果。算法体现了细胞环境决定抗原状态的生物机制,通过倍增营造了相对稳定的环境,通过归并综合了多数正确判断减少了误判的影响。实验结果表明,该算法对无序数据集具有可观的检测精度和稳定的检测性能。

无序数据集的向量化编码

改进了由P.Courrieu于2001年提出的基于范德蒙矩阵的无序数据集的向量化编码方法,证明该编码具备可逆性。