樹突狀細胞算法(Dendritic Cell Algorithm,DCA)是基于樹突狀細胞的生物功能而建立,具有計算規(guī)模較小、識別能力較強、無需大量訓練樣本等優(yōu)點,已被成功應用到異常檢測、圖像分類和故障診斷等領(lǐng)域。但該算法因提出時間不長,在優(yōu)化改進和推廣應用中還有較大研究空間�；诖�,本文以優(yōu)化改進DCA為主,并將其用于異常檢測中。主要工作如下:1.用于無序數(shù)據(jù)集的改進樹突狀細胞算法針對DCA對輸入數(shù)據(jù)順序敏感而導致其在無序數(shù)據(jù)集上檢測性能不理想的問題,提出了一種用于無序數(shù)據(jù)集的改進DCA。首先分析了 DCA對輸入數(shù)據(jù)順序敏感的原因;接著將抗原與輸出信號融合作為輸入數(shù)據(jù),并且規(guī)定每個DC只采集與其編號相同的一類數(shù)據(jù),從而避免了數(shù)據(jù)間的相互干擾;最后依據(jù)細胞環(huán)境值評判抗原。實驗結(jié)果表明:該算法的檢測性能不受數(shù)據(jù)順序的影響,而且算法在無序數(shù)據(jù)集上的檢測性能優(yōu)于標準DCA和其他方法,精確度、誤報率和漏報率分別為91.14%、5.29%和3.57%。2.基于主成分分析的改進樹突狀細胞算法為了實現(xiàn)自動降維和改善算法在無序數(shù)據(jù)集上的檢測性能,通過引入主成分分析法和建立所選主成分與輸入信號的對應關(guān)系...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與科學意義
    1.2 國內(nèi)外研究進展
        1.2.1 DCA的優(yōu)化改進研究
        1.2.2 DCA的推廣應用研究
    1.3 論文研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
    1.5 本章小結(jié)
2 異常檢測與樹突狀細胞算法
    2.1 異常檢測
        2.1.1 相關(guān)概念
        2.1.2 主要方法
        2.1.3 性能評價指標
    2.2 異常檢測與生物免疫的相似性
    2.3 樹突狀細胞算法
        2.3.1 DC的生物機理
        2.3.2 DCA的基本原理
        2.3.3 DCA的實施步驟
        2.3.4 優(yōu)點與局限
    2.4 本章小結(jié)
3 用于無序數(shù)據(jù)集的改進樹突狀細胞算法
    3.1 算法的改進
        3.1.1 基于輸入信號計算方法的改進
        3.1.2 基于檢測過程的改進
    3.2 算法的實現(xiàn)過程描述
    3.3 實驗設(shè)置
    3.4 實驗結(jié)果與分析
        3.4.1 分析數(shù)據(jù)順序?qū)λ惴ㄐ阅艿挠绊懶?br>        3.4.2 分析信號轉(zhuǎn)換公式和權(quán)值矩陣對算法性能的影響性
        3.4.3 與其他方法的比較
    3.5 本章小結(jié)
4 基于主成分分析的改進樹突狀細胞算法
    4.1 算法的改進
        4.1.1 基于降維方法的改進
        4.1.2 基于信號分類方法的改進
    4.2 算法的實現(xiàn)過程描述
    4.3 實驗設(shè)置
    4.4 實驗結(jié)果與分析
        4.4.1 特征降維
        4.4.2 參數(shù)分析
        4.4.3 與其他方法的比較
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 本文主要工作及結(jié)論
    5.2 未來工作展望
致謝
參考文獻
附錄



本文編號：3861141