基于云模型的免疫檢測技術(shù)研究.pdf

1、基于云模型在處理隨機與模糊現(xiàn)象方面的優(yōu)良特征，本文通過查閱國內(nèi)外資料，深入研究了云模型理論以及免疫檢測理論，并把云模型理論引入到免疫檢測算法中。對逆向云生成算法進行改進，提高算法的精度；用云模型理論生成檢測器集合，提高檢測器集合的自適應(yīng)性；設(shè)計基于云模型理論的免疫檢測算法，提高檢測效率；最后對疫苗理論進行了分析，設(shè)計云疫苗算子，加入到檢測器集合中，提高檢測的二次應(yīng)答時間。
　　本文的主要工作：
　　1、介紹正態(tài)云模型的定義以

2、及性質(zhì)、正向云生成算法和逆向云生成算法，并重點分析了逆向云生成算法，針對曲線擬合逆向云生成算法中擬合初值的隨機選取導(dǎo)致實驗結(jié)果不穩(wěn)定的問題，對逆向云算法改進算法，用相關(guān)函數(shù)對擬合初值的選取進行優(yōu)化，并用MATLAB進行仿真，結(jié)果表明改進算法能提高算法的穩(wěn)定性以及擬合參數(shù)的精度。
　　2、研究云模型的隨機性和模糊性以及兩者的關(guān)聯(lián)性，并對人工免疫的相關(guān)算法進行了深入分析，結(jié)合陰性選擇算法中檢測器的生成方法，用云模型理論生成檢測器集合，

3、使生成的檢測器集合具有自適應(yīng)性，并驗證了此檢測器集合的覆蓋率。
　　3、在對可變模糊匹配陰性選擇算法深入研究的基礎(chǔ)上，用云模型理論解決免疫檢測算法中的不確定性問題，通過定義抗原類別屬性的云模型，用多個檢測器對同一個不確定性抗原x進行檢測，再用逆向云改進算法對檢測結(jié)果進行統(tǒng)計分析，聯(lián)合判斷抗原的屬性，并把云模型檢測算法運用到文本檢測以及C目標文件的檢測中，進行仿真驗證，提高檢測效率。
　　4、為進一步提高檢測的效率以及準確度，