人工免疫系統(tǒng)中陰性選擇算法的研究.pdf

1、生物體的免疫系統(tǒng)是一個具有模式識別、分布式檢測、記憶能力、多樣性、整體網(wǎng)絡(luò)學(xué)習(xí)能力等特征的系統(tǒng)，其具有的諸多特性是目前解決實際工程與應(yīng)用的系統(tǒng)所期待擁有的功能。 人工免疫系統(tǒng)(Artificial Immune System，AIS)是借鑒生物免疫系統(tǒng)，以生物體免疫系統(tǒng)所具有的諸多特性為基，解決實際工程與應(yīng)用中遇到的問題的嶄新學(xué)科。陰性選擇算法(Negative Selection Algorithm)便是參照生物免疫系統(tǒng)陰性選

2、擇原理提出的仿生學(xué)算法，是人工免疫系統(tǒng)開發(fā)的核心算法之一。目前，陰性選擇算法廣泛應(yīng)用于模式識別、病毒檢測、網(wǎng)絡(luò)入侵檢測、異常檢測等具體的工程應(yīng)用之中。 本文通過對Forrest陰性選擇算法的研究，針對采取連續(xù)r位匹配規(guī)則陰性選擇算法中存在的成熟檢測器集較大，以及采用部分匹配規(guī)則的模式空間中的“黑洞”問題，提出了一種改進的陰性選擇算法，并對新算法的性能以及各個參數(shù)的選取進行了分析。 所作的研究工作歸納如下： 1．詳

3、細的研究了Forrest陰性選擇算法中參數(shù)選取對算法各方面的影響，并指出原算法中待改進的地方。 2．針對Forrest陰性選擇算法待改進的地方提出了基于海明距離的閾值自適應(yīng)陰性選擇算法，并在理論上分析各個參數(shù)的選取依據(jù)。 3．對新算法進行了理論分析與仿真實驗驗證，并與Forrest陰性選擇算法進行了對比。結(jié)果表明，新算法比原算法具有更小的成熟檢測器集，具有更快的監(jiān)測自我集的速度，并有效的減少了“黑洞”數(shù)量。 4．