基于数字微分的函数化树突状细胞算法模型

树突状细胞算法(DCA)是一种模拟人体免疫系统中抗原提呈的算法,可以快速有效地将输入数据分为正常和异常,然而现有DCA模型普遍存在形式化描述不清晰且信号提取受人工经验影响的不足。为此,在hDCA模型的基础上,提出一种基于数字微分的函数化DCA模型。在预处理阶段引入数字微分方法,根据数据变化趋势自适应提取信号并随机动态采样抗原,去除对时序敏感的数据序列。在此基础上,对输入信号加以融合得到决策信号,并进行抗原背景环境分类处理。将ndhDCA、DCA和hDCA应用于WBC和KDD99数据集进行对比,实验结果表明,ndhDCA对有序数据集和无序数据集均具有高准确率和低误报率,同时可降低输入数据顺序的敏感性。