一种r可变阴性选择算法及其仿真分析

论文首先简要介绍了人工免疫系统的基本概念,然后着重分析了人工免疫系统中的主要算法“阴性选择算法”,并提出一种r可变阴性选择算法.同传统的阴性选择算法相比,该算法大大减少了不可避免的“黑洞”数量.仿真结果表明:r可变阴性选择算法产生成熟检测器的迭代次数、黑洞数量均大幅下降,同时检测率有显著提高.

采用在自己空间变异搜索来训练检测器的阴性选择算法

针对故障检测中,现有阴性选择算法的不足,以自己空间为基础,依据遗传算法中变异的机制,以及体现免疫系统疫苗接种、克隆选择的原理训练检测器,对能检测出异常的检测器的阴性选择算法作了新改进。最后通过仿真表明了新改进的算法在基本能覆盖自己空间范围的前提下,计算复杂度明显下降的同时对异常检测的有效性大大提高。

基于阴性选择算法的异常检测系统黑洞覆盖优化

针对阴性选择算法存在大量无法检测的黑洞,提出了一种基于黑洞集合和自我集合定向生成匹配阈值可变的r块黑洞检测器的算法。对阴性选择算法进行改进,提出了采用双重检测器的阴性选择算法DLD-NSA,该算法在保证较快的检测速度的前提下,通过提高黑洞元素检测率,实现更大范围的非我空间覆盖。仿真结果表明,该算法与变长r连续位阴性选择算法相比,具有更高的非我空间覆盖率,尤其是在黑洞覆盖方面效果更好。

基于免疫重构的阴性选择算法

针对阴性选择算法在解决实际问题中,易误判及自修复能力差的弱点,该文基于生物免疫系统内部学习优化机制以及工业领域中的可重构系统,提出了一种基于免疫重构的阴性选择算法。新算法将可重构系统的思想融入到阴性选择算法中,提出了重构串、重构模型与重构操作的概念与实现方法,以保证系统发生意外的时候能够及时恢复、重组。将算法应用于一个Web系统进行仿真实验,结果表明该算法是有效的。

基于改进型阴性选择算法的车辆故障检测方法研究

根据现有的阴性选择算法提出适于车辆故障检测的改进型阴性选择算法。在改进型算法中,对数据串编码、自体集合的生成、检测器数目的确定进行了研究。对某军车上使用的防滑差速器正常工作和故障状态下的样本数据进行故障检测,结果表明了改进型阴性选择算法的有效性,并与神经网络检测方法所得到的结果进行比较,表明了改进型阴性选择算法具有较高的检测准确度。

基于克隆选择和邻域搜索的改进阴性选择算法

在研究基于拟随机序列和遗传变异搜索的阴性选择算法的基础上,针对其早熟收敛以及生成的检测器集不是N维空间最优的问题,引入了免疫机制中的克隆选择来实现检测器集的全局搜索。将生成的拟随机序列作为克隆选择搜索空间,通过克隆和变异选择操作获得空间中的优化检测器集,然后对该检测器集引入高斯变异算子,通过邻域搜索获得整个N维空间里的优化检测器集。该检测器集能很好地覆盖非我空间,而且检测器集数量相对于普通阴性选择算法也大幅减少,克服了普通阴性选择算法的局限性。最后,通过实例应用验证了算法的有效性。

基于免疫克隆优化的阴性选择算法在电机故障检测中的应用

阴性选择算法(NSA)和免疫克隆选择算法是两种典型的人工免疫系统。首先介绍了阴性选择算法和免疫克隆算法的基本原理,由于阴性选择算法的检测器存在大量无法检测的黑洞。采用免疫克隆优化算法对阴性选择算法生成的检测器进行优化,以提高故障检测率。最后通过检测电机的故障轴承证明了方法的有效性。

实值阴性选择算法优化及其在故障诊断中的应用

针对复杂装备故障样本少的难题,研究了人工免疫系统中的阴性选择算法原理及应用;介绍了变尺寸实值阴性选择算法检测器产生机制,以减小检测器交叠和对自体的覆盖为目标,提出一种基于重升温模拟退火算法的检测器分布优化策略;该优化方法不改变原有检测器数量,提高了对非己空间的覆盖效果;对两种不同几何形状的二维数据集进行仿真,结果表明,优化方法提高了算法的检测率,降低了虚警率;将优化后的算法应用于滤波电路12种软故障的检测,总体检测率达95%,结果优于基于人工神经网络的故障检测方法。

阴性选择算法在工业控制系统故障诊断中的应用

受生物免疫系统的启发,把免疫原理应用到故障诊断领域。分析了现有阴性选择算法在故障诊断应用中的不足之处,提出了改进后的阴性选择算法。介绍了田纳西-伊斯曼(TEP)过程仿真系统,用改进后的阴性选择算法对该系统的21种故障样本进行仿真试验,各故障的平均检出率达到85%以上,验证了此算法在工业控制系统故障诊断中的有效性。

基于海明距离的阴性选择算法的改进

阴性选择算法是人工免疫系统的核心算法之一,有效检测器数量与"黑洞"数量是采用阴性选择算法的系统所必须关注的两个要素。在分析连续r位匹配规则与海明距离匹配规则的基础上,提出了一种基于海明距离的阈值自适应阴性选择算法。相对于传统的连续r位匹配算法,该算法具有检测器数目小,"黑洞"空间小的优点。实验结果表明,新算法大幅降低了有效检测器的数量,并通过阈值的自适应性有效地降低了"黑洞"数量。

基于阴性选择算法的电力负荷异常检测与调整

提出用阴性选择算法对电力负荷数据进行异常检测及调整,其中自我定义为正常负荷数据模式,而非我则为偏差超过一定阈值的负荷数据模式。先用Kohonen网对日负荷曲线进行聚类,产生各类的特征曲线,并将其编码作为自我集S;再用随机方法产生检测器集R。被检负荷与R集进行匹配审查,以判断正常与否,并对检测出的异常负荷用自我集S进行调整。实验结果表明,用阴性选择算法对负荷数据进行异常检测和调整取得令人满意的结果。

基于免疫阴性选择算法的异常入侵检测

生物免疫系统的保护机制为我们设计计算机入侵检测系统带来了巨大的灵感,使得计算机免疫成为能解决复杂入侵问题的一种信息安全技术而备受关注.在本文中,我们提出一个新的异常入侵检测算法,该算法能够快速生成有效的检测器,并能实时检测入侵.

阴性选择算法匹配规则的FPGA实现

为进一步提高设备的自主在线诊断能力和自修复能力,研究了硬件实现免疫算法的方法及可行性.表示法和匹配规则是人工免疫系统中阴性选择算法的主要特征,针对几种常见二进制匹配规则分别提出了基于FPGA的硬件实现方法.首先阐述了r连续位匹配、r块匹配和海明距离匹配等匹配规则的定义,然后以FPGA为硬件平台分别设计了上述匹配规则的实现方案并进行了功能仿真和实验验证.结果表明,设计方案可行,具有较好的实时性和可靠性.同时,比较和分析了上述匹配规则的检测器覆盖效果,指出应根据工程需要选择合适的匹配规则,最后提出需要进一步研究的问题.

阴性选择算法检测器生成的优化及仿真

针对现有常规阴性选择算法在非我空间覆盖设计上未考虑自身免疫性检测器发生的问题,提出一种能检测和剔除自身免疫性检测器的方法,并以MATLAB软件为仿真实验平台,分别对不规则分布数据、环形分布数据和近圆形分布数据3种空间数据分布进行仿真研究.仿真结果表明,该方法能有效剔除90%的自身免疫性检测器,提升了免疫阴性选择算法的鲁棒性和自适应能力.

实数向量型阴性选择算法的改进

通过对实数向量型阴性选择算法的分析,提出了检测器空间覆盖率的概念,用它作为估计检测器数量的一项理论依据,将这个估计值引入到实数向量型阴性选择算法中,控制检测器的生成,同时对检测器采取了新的变异操作。实验表明,这一改进在保证算法检出率的同时,又可降低误报率。

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。

一种优化黑洞覆盖的阴性选择算法

引入集成学习算法,采用可变匹配阀值策略,从训练样本来源、自体耐受学习过程、匹配规则等三个方面进行改进,提出了一个E-NSA模型.仿真实验证明本模型提高了检测率,优化了黑洞覆盖空间,并具备较强的自适应能力.

基于阴性选择算法的改进模型

人工免疫学中的阴性选择算法是其核心算法,在各行业应用广泛。但其不足之处也越来越明显,例如在训练样本选择方面、训练学习算法方面,都有可能影响检测精度。训练学习算法中引入半监督学习机制,并在样本选择上扩展训练样本来源,使训练学习更有针对性。仿真实验证明改进后的模型能提高检测率,并具备较强的自适应能力。

基于改进型阴性选择算法的设备状态监测诊断方法研究

针对阴性选择免疫算法中字符串空间收敛效果差以及运行成本高的缺点,依据Forrest阴性选择算法提出了一种新的改进算法。该算法基于模式概念建立检测器库,将特征向量组分别定义为自己模式串和非己模式串,并利用动态免疫学习算法来标记故障样本,以此来确定故障类型。经过改进后的反面选择算法既能对已经或正在发生的设备故障进行精确诊断,又能预测未来可能发生的故障。仿真分析结果表明改进型阴性选择算法具有较高的检测准确度。

汽轮发电机组振动异常检测的阴性选择算法研究

汽轮发电机组振动是火力发电厂最常见的故障类型之一。从人工免疫原理出发,提出用于检测汽轮发电机组异常振动信号的方法。通过对模拟信号和转子实验台得到的全周碰摩数据,建立S集和故障检测器集,用阴性选择算法进行异常信号检测,获得了较高的检测准确率,证明方法的有效性。