基于免疫的最小有效检测器集生成算法

通过对可变模糊匹配阴性选择算法生成的检测器集覆盖空间的分析,针对检测器集中检测器之间出现的互相匹配的现象,提出一种最小有效检测器集生成算法。该算法利用模糊思想确定匹配阈值,有效去除了检测器集中的冗余现象。仿真结果表明,由该算法所生成的检测器集空间覆盖率显著提高,实现了以较小的检测器集合,检测到较大范围的“非己”行为,从而提高了系统的检索率和性能。     

检测器集合生成算法及其应用研究

为了提高阴性选择算法对车辆在线检测的速度,降低检测成本,给出了一种分段检测器集合生成算法代替原有的阴性选择算法中检测器集合生成的穷举法.该算法通过求解递归方程计算候选检测器集规模和递归求解的序号随机生成检测器两个阶段组成.该算法所占用的计算机时间量和空间量都比穷举法小的多.实际应用表明该算法优于穷举法,比穷举法节省近一半的时间.     

一种采用非己空间变异搜索的故障检测算法

针对故障检测中,现有阴性选择算法的不足,提出了一种基于非己空间变异搜索检测器的故障检测算法。该算法以非己空间为基础,依据生物遗传中变异的机制,以及体现免疫系统克隆选择的原理来训练检测器,对能检测出异常变化的经典阴性选择算法作了新改进。最后通过仿真表明了非己空间变异搜索算法在计算复杂度明显下降的同时,对故障检测的有效性和准确性有极大的提高。     

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。     

一种基于小生境策略的阴性选择算法

阴性选择算法是计算机人工免疫系统的传统核心算法之一,并以此为基础产生了许多改进算法,但这些算法大多存在计算时间过长以及空间资源消耗过大等问题。针对这些问题,提出了一种基于小生境策略的阴性选择算法,算法引入了小生镜策略,增强了检测器生成的多样性,降低了算法的复杂度并减少了检测器的生成时间,提高了阴性选择算法的生成效率。     

进化策略用于阴性选择算法

提出一种基于(μ λ)进化策略的阴性选择算法;构造匹配信噪比方法综合运用海明规则和r位连续匹配规则,使检测器分布更均匀;同传统的阴性选择算法相比,进化机制使得检测器的搜索不再盲目.对于较大规模的自体集也可以快速准确生成成熟检测器.数值实验表明新算法产生成熟检测器的迭代次数、黑洞数量均大幅下降,同时检测率显著提高.     

基于拟随机序列与克隆选择的进化V-detector 算法

阴性选择(NS)算法是人工免疫的核心方法,检测器生成是其关键。针对其经典V-detector算法中高维数据失效及随机生成初始检测器集过于集中而导致过早收敛等问题,首先采用拟随机序列生成初始检测器;然后通过克隆选择优化检测器集合,以覆盖非自体空间大小及数量作为亲和力标准,克服传统进化阴性选择(ENS)算法的局限性,并采用新型进化算子使得算法生成最优检测器集合;最后,通过实验验证了该方法的有效性。     

一种可变模糊匹配阴性选择算法

通过对人工免疫系统中阴性选择算法机理的分析,定义了连续相似度与背离度,提出了一种可变模糊匹配阴性选择免疫算法.算法通过调整匹配阈值的方法降低黑洞数量;利用模糊思想,实现了具有一定连续相似度的模糊匹配,模糊程度可控;为了消除检测器间的冗余,提高检测器集的检测效率,算法在模糊匹配的基础上,生成了有效检测器集.仿真实验表明,可变模糊匹配阴性选择算法生成的成熟检测器检测范围较大,空间覆盖率明显提高,黑洞数量大幅下降,算法具有较强的鲁棒性.     

一种基于受体编辑的实值阴性选择算法

受生物免疫受体编辑理论的启发,提出了一种基于受体编辑的实值阴性选择算法RERNS(Receptor Editinginspired Real Negative Selection Algorithm).对于匹配自体的检测器,该算法采用定向受体编辑使之获得新生,而这些新生的检测器分布在自体与非自体的边界区域,从而增加了检测器的多样性,并改善了算法对边界区域的覆盖情况;对于不匹配自体的检测器,该算法采用识别相同最近自体的定向受体编辑,使检测器在包含原检测范围的情况下扩大了对非自体空间的覆盖.理论分析和实验验证表明,与实值阴性选择算法中具有代表性的RNS算法和V-detector算法相比,RERNS算法生成的未成熟检测器更少,且检测性能更好.     

机电装备信号系统故障诊断自愈的应用研究

在机电装备的信号调理系统的故障自愈研究中,针对传统的机电装备信号调理系统故障诊断中存在故障检测器检测率低等问题,不适合故障诊断以及自愈研究.为了提高故障检测器对故障的检测率,对传统阴性选择算法存在问题的修改,提出改进的阴性选择算法的方法,通过对传统的阴性选择算法算子的优化对传统的阴性选择算法进行改进,对故障检测率明显提高.通过对改进的阴性选择算法的仿真,仿真结果验证了改进的阴性选择可以具有更好的信号调理系统故障识别性能.     

基于改进负选择算法的异常检测

为解决基于负选择的异常检测算法中检测器数目和检测器对非我空间的覆盖二者之间的矛盾问题,采用粒子群优化算法(PSO)来优化负选择算法中随机产生的检测器的位置,从而实现用较少的检测器实现对非我空间更大的覆盖.在保证检测器尽可能小的覆盖自我空间的前提下,扩大检测器集合对非我空间的覆盖,并且在这个过程中检测器的数目是一定的.对正弦时间序列信号(artificial datasets)和轴承滚珠故障的振动信号(real-word datasets)进行了仿真实验.实验结果表明,该算法相对于原始的负选择算法在对非我空间的覆盖和检测率的提高方面有显著的效果.     

基于记忆双导向变异的故障检测器生成方法

人工免疫算法中的阴性选择算法已经成功应用于故障诊断领域。为了生成更加优良的故障检测器,提高算法性能,本文在传统阴性选择算法的基础上,提出了一种基于免疫记忆双导向变异的故障检测器生成方法。该算法定义了一个免疫记忆集合,把与自体集合或成熟检测器集合发生匹配的检测器放入到免疫记忆集合里,并对这一检测器进行双导向变异,以减少资源浪费和冗余的发生。本文数据采用实属编码形式。仿真结果表明,新算法在故障检测性能方面优于传统算法,具有较高的故障诊断率,算法平均运行时间明显缩短。本文为故障诊断方法的研究拓宽了道路,具有一定的理论和现实意义。     

高效的混合聚类算法及其在异常检测中的应用

将聚类算法应用于异常检测,算法的有效性是关键。为了提高异常检测能力,提出了一种新的聚类算法,该算法运用窗口管理机制对网络数据采用分批实时处理的方法,同时对算法中运用到的DBSCAN算法和K-means算法进行改进并组合,实验证明该算法可以提高异常检测的检测率,降低误报率并增强系统的实时响应能力。     

基于K-均值聚类的改进非选择算法研究

文章提出了一种基于K-均值聚类的改进非选择算法,其核心是对检测器集进行K-均值聚类,将检测器集分为多个子类,根据子类中心和待检测数据的亲和度选择若干个合适的子类进行实际检测。文中对算法的检测过程进行了分析,并给出了该算法用于入侵检测时的测试实验结果。实验结果表明,文章算法在检测速度上有明显改善。     

基于神经网络离散混合蛙跳算法的多用户检测

为进一步提高基于离散混合蛙跳算法（DSFLA）的多用户检测性能,提出一种基于DSFLA和神经网络相结合的神经网络离散混合蛙跳算法,并用于多用户检测。在DSFLA的每一族内更新中,随机选择若干只“青蛙”采用Hopfield神经网络的寻优更新策略,进行快速迭代,寻找全局最优。仿真结果证明,基于神经网络离散混合蛙跳算法的多用户检测器在误码率、收敛速度、系统容量、抗远近能力等方面都优于传统方法和一些应用优化算法的多用户检测器。     

边界扫描测试算法的分析与优化

伴随着电子技术和边界扫描测试技术的飞速发展,新的边界扫描测试算法也在不断涌现；而边界扫描测试的算法,一般都是指在互联模型的基础上,边界扫描测试向量的生成算法；生成合理的测试向量集可以以最短的测试时间来覆盖尽可能多的故障；从对一些常用的边界扫描测试算法进行了粗略的分析,到后来对等权值算法和二进制计数算法进行了详细的分析,通过引入和分析边界扫描测试算法的定理、公式以及推论等,分别提出了等权值优化算法和权值递加算法；与优化前的算法作为比较,等权值优化算法降低了征兆混淆出现的概率,而权值递加算法同时降低了征兆误判率和征兆混淆率；综合分析,新的算法更好的权衡了测试向量集的完备性指标和紧凑型指标。     

基于阴性选择原则的Non-self探测器生成算法

基于免疫系统异己检测原理，深入进行了计算机免疫系统探测器生成算法的研究．首先，简要介绍了阴性选择算法，总结了相关的探测器生成算法；然后，基于阴性选择原则提出了两种探测器生成算法，即位变异算法(BMGDGA)和余数生长算法(AGDGA)．文中对两种算法在多种不同的数据集上进行了全面的验证和实验，并与穷尽式探测器生成算法进行了全面系统的比较．结果表明，两种探测器生成算法在综合性能上均优于穷尽式探测器生成算法．     

嵌入否定算子的网格入侵检测克隆选择算法

网格安全问题是网格普及的一大阻碍,网格入侵检测是解决网格安全瓶颈的方法之一.面向网格入侵检测需求,以现有克隆选择算法为主体,设计了嵌入否定选择算子的克隆选择算法(Negative Seleetion Operator Embedded Clonal Selection Algorithm,NCSA)作为新的检测器算法.否定算子删除了未成熟检测器中耐受性差的检测器,协助记忆检测器实现动态更新;亲和力成熟机制减少了协同刺激数量.通过实验合理设置两个影响NCSA性能的参数:不成熟检测嚣的耐受周期T和成熟检测器的生命周期L,获得满意的检测性能.相同参数和训练环境下,与传统克隆选择算法相比,NCSA获得较高非自我检测率和较低的误报率,整体检测性能有所提高.这也说明NCSA能更好识别未知入侵,适应网格环境.     

免疫算法在入侵检测模型中的应用研究

在对常见的免疫算法原理进行分析的基础上,采用阴性选择算法和r-连续位匹配算法,提出一种改进的免疫检测机制,建立一个新的入侵检测模型。新的模型主要采取三点措施:改进候选检测集的生成规则;降低检测器冗余;引入协同检测机制等。在入侵识别阶段,采用基于编辑距离的匹配规则,提高了检测效率。试验仿真表明,该模型可有效提高入侵检测系统的检测率,降低误警率。     

基于亲和力阈值的静态克隆选择算法

静态克隆选择算法用于产生检测特定“非我”的检测器。该文通过引入亲和力阈值参数改进静态克隆选择算法,使其匹配规则能够灵活表示“或”关系,且只须部分匹配即可高效提取能识别“非我”的部分样本特征。自我/非我区别的模拟实验结果表明,与静态克隆选择算法相比,该算法能更有效地产生部分分类规则。