人工免疫系統(tǒng)是人工智能技術(shù)的重要分支之一,其作為一種受到生物免疫系統(tǒng)的啟發(fā),并模仿其免疫功能的一種智能方法被廣泛應(yīng)用于異常檢測(cè)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等多個(gè)領(lǐng)域。異常檢測(cè)通過建立正常行為的模式輪廓來檢測(cè)異常,被廣泛應(yīng)用于各個(gè)領(lǐng)域,在網(wǎng)絡(luò)安全領(lǐng)域,其通過自體耐受生成檢測(cè)器區(qū)分自體非自體來檢測(cè)系統(tǒng)的安全威脅,表現(xiàn)出了很好的處理問題能力和魯棒性,得到了長足的發(fā)展,基于免疫的異常檢測(cè)技術(shù)成為本領(lǐng)域的研究熱點(diǎn)。檢測(cè)器是其核心知識(shí)集,其生成、優(yōu)化和檢測(cè)操作決定了人工免疫的應(yīng)用效果。目前,人工免疫的問題空間以實(shí)值形態(tài)空間為主,但實(shí)值非自體空間存在“黑洞”問題、由于在實(shí)值空間下的匹配策略主要是根據(jù)樣本間的Euclidean距離和Manhattan距離,隨著實(shí)值檢測(cè)器屬性個(gè)數(shù)的增加,帶來“維數(shù)災(zāi)難”的問題。同時(shí)空間維度的不斷增加會(huì)導(dǎo)致檢測(cè)器生成的時(shí)間復(fù)雜度和空間復(fù)雜度的增長,從而造成檢測(cè)器生成的速度慢。這些問題使得人工免疫檢測(cè)的效果不甚理想。鑒于此,本文使用鄰域形態(tài)空間,并改進(jìn)鄰域否定選擇算法(neighborhood negative selection algorithm,NNSA),在生成候選檢測(cè)器時(shí)...

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 國內(nèi)外現(xiàn)狀分析
        1.2.1 基于人工免疫的異常檢測(cè)
        1.2.2 n維混沌映射及其在免疫異常檢測(cè)的應(yīng)用
        1.2.3 研究現(xiàn)狀分析
    1.3 課題來源及研究內(nèi)容
        1.3.1 課題來源
        1.3.2 課題主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第2章 相關(guān)模型與方法
    2.1 引言
    2.2 異常檢測(cè)
    2.3 人工免疫系統(tǒng)
        2.3.1 人工免疫模型
        2.3.2 遺傳算法
    2.4 n維混沌映射
    2.5 本章小結(jié)
第3章 多源鄰域檢測(cè)器生成與檢測(cè)
    3.1 引言
    3.2 鄰域形態(tài)空間及否定選擇算法
    3.3 多源鄰域免疫檢測(cè)器生成算法
        3.3.1 算法分析與實(shí)現(xiàn)
        3.3.2 算法主要優(yōu)點(diǎn)
    3.4 鄰域檢測(cè)器檢測(cè)算法
    3.5 算法分析
    3.6 本章小結(jié)
第4章 鄰域免疫檢測(cè)器自適應(yīng)模型
    4.1 引言
    4.2 DNA疫苗模型
    4.3 鄰域免疫檢測(cè)器自適應(yīng)模型
        4.3.1 自適應(yīng)檢測(cè)器生成算法
        4.3.2 自適應(yīng)檢測(cè)與響應(yīng)模型
        4.3.3 模型分析
    4.4 本章小結(jié)
第5章 實(shí)驗(yàn)結(jié)果分析
    5.1 引言
    5.2 實(shí)驗(yàn)預(yù)處理
    5.3 參數(shù)測(cè)定
    5.4 單源、雙源和多源免疫檢測(cè)器對(duì)比實(shí)驗(yàn)
    5.5 MSNNSA與其他代表算法對(duì)比實(shí)驗(yàn)
        5.5.1 最優(yōu)參數(shù)組合與其他算法對(duì)比實(shí)驗(yàn)
        5.5.2 代表性參數(shù)與NNSA和 RNSA對(duì)比實(shí)驗(yàn)
    5.6 鄰域免疫檢測(cè)器自適應(yīng)對(duì)比實(shí)驗(yàn)
    5.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：3814062