否定选择算法的自体半径分析

对于异常检测问题,负选择算法有着显著的检测效果,其检测性能受多个参数的影响,如自体半径和预期覆盖率等.传统的否定选择过程在检测器生成阶段的参数是根据经验选择的,这使得检测性能各不相同.对NSA参数提出一组新的方法评估分析,将自体边界通过迭代算法计算最佳自体半径,并生成不同参数的可变半径检测器.通过实验获取最佳自体半径的同时,还能同时提高检测器对非自体区域的覆盖面积.

用于异常检测的负选择算法的自体半径分析

负选择算法是用于异常检测的一种有效方法。可变半径的负选择算法中,检测器的半径对算法性能影响较大。本文通过实验分析并验证了在不同的应用下,自体半径的最佳取值。