本文關(guān)鍵詞： 人工免疫 否定選擇算法 檢測(cè)器 免疫進(jìn)化　出處：《計(jì)算機(jī)應(yīng)用研究》2017年05期 　論文類型：期刊論文

【摘要】：當(dāng)訓(xùn)練樣本分布密集交錯(cuò)時(shí),傳統(tǒng)的否定選擇算法難以將檢測(cè)器生成在正/反樣本間的有效區(qū)域,導(dǎo)致檢測(cè)器集合對(duì)這些樣本的識(shí)別率降低,影響了算法性能。為使檢測(cè)器能有效地識(shí)別分布密集交錯(cuò)的樣本,提出了免疫進(jìn)化否定選擇算法(IENSA)。IENSA通過加入兩個(gè)免疫進(jìn)化過程,首先在樣本分布密集的區(qū)域引導(dǎo)檢測(cè)器在正/反樣本之間有效地生成,然后在樣本分布稀疏的區(qū)域?qū)θ哂鄼z測(cè)器進(jìn)行抑制。實(shí)驗(yàn)結(jié)果表明在二維人工數(shù)據(jù)集Rectangle與三維標(biāo)準(zhǔn)數(shù)據(jù)集Skin segmentation上,相對(duì)于經(jīng)典的RNSA與V-detector算法,IENSA均能以較少的檢測(cè)器達(dá)到較高的檢測(cè)率。
[Abstract]:When the distribution of training samples is dense and interlaced, it is difficult for the traditional negative selection algorithm to generate the detector in the effective region between the positive and inverse samples, which leads to the reduction of the recognition rate of these samples by the detector set. In order to effectively identify the dense and interlaced samples, an immune evolutionary negative selection algorithm (IENSAN. IENSA) is proposed. Two immune evolution processes are added to the algorithm. First, the detector is effectively generated between positive and inverse samples in the region where the samples are densely distributed. Then the redundancy detector is suppressed in the region where the sample distribution is sparse. The experimental results show that in the two-dimensional artificial data set Rectangle and the three-dimensional standard data set Skin. On segmentation. Compared with the classical RNSA and V-detector algorithms, RNSA can achieve higher detection rate with fewer detectors.
【作者單位】： 西華師范大學(xué)教育信息技術(shù)中心;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61402308) 四川省教育廳自然科學(xué)重點(diǎn)資助項(xiàng)目(15ZA0146,15ZB0142)
【分類號(hào)】：TP301.6
【正文快照】： 0引言生物免疫系統(tǒng)是生物體抵御外來(lái)病原體侵害的重要屏障,具有保護(hù)自生組織、識(shí)別并清除外來(lái)有害抗原的能力[1]。受此啟發(fā),大量專家學(xué)者嘗試在計(jì)算機(jī)系統(tǒng)中模擬生物免疫系統(tǒng)以抵抗來(lái)自系統(tǒng)外部的病毒、攻擊,并由此逐漸形成了人工免疫這一研究領(lǐng)域。在人工免疫的眾多理論模型

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金章贊;廖明宏;肖剛;;否定選擇算法綜述[J];通信學(xué)報(bào);2013年01期

2 莫秀良;王春東;;基于否定選擇算法的木馬檢測(cè)與研究[J];煤炭技術(shù);2013年07期

3 匡胤;;基于競(jìng)爭(zhēng)學(xué)習(xí)型否定選擇算法的孔洞檢測(cè)[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年03期

4 王飛;;新型否定選擇算法計(jì)算機(jī)病毒檢測(cè)技術(shù)的研究與實(shí)現(xiàn)[J];自動(dòng)化與儀器儀表;2012年02期

5 陳文;李濤;劉曉潔;張冰;;一種基于自體集層次聚類的否定選擇算法[J];中國(guó)科學(xué):信息科學(xué);2013年05期

6 王大偉;張風(fēng)斌;;一種采用邊界檢測(cè)器的實(shí)值否定選擇算法[J];計(jì)算機(jī)科學(xué);2009年08期

7 張紅梅;王利華;;使用否定選擇算法改進(jìn)文本過濾[J];計(jì)算機(jī)工程與科學(xué);2008年08期

8 劉恩海;宋瑞平;樊世燕;;否定選擇算法中高性能檢測(cè)器的生成[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年08期

9 邱江濤;唐常杰;曾濤;劉胤田;;關(guān)聯(lián)文本分類的規(guī)則修正策略[J];計(jì)算機(jī)研究與發(fā)展;2009年04期

10 ;[J];;年期

相關(guān)碩士學(xué)位論文 前3條

1 史樂;否定選擇算法及可視化實(shí)現(xiàn)研究[D];南京大學(xué);2015年

2 朱成萌;基于人工免疫算法的病毒檢測(cè)技術(shù)的研究[D];華中科技大學(xué);2015年

3 趙紅霞;基于新型否定選擇算法的計(jì)算機(jī)病毒檢測(cè)技術(shù)研究[D];太原理工大學(xué);2010年

，

本文編號(hào)：1445860