自重构的人工免疫网络模型

由于未知环境、突发故障、不可预测攻击等因素,人工免疫系统的故障检测与修复、网络重构等问题影响系统的整体功能和鲁棒性;为了探究此类问题的解决方法,提出了自重构的人工免疫网络模型,利用系统的正常模型提高故障的检测率和修复率,利用重构策略增强系统的适应性和容错性;进而,设计了人工免疫网络的自重构算法和免疫算法,探讨了自重构人工免疫网络在多机器人系统中的应用方法;通过网络特性分析和实验验证,自重构的人工免疫网络模型是有效而有用的。     

基于人工免疫模型的网络入侵检测系统

首先介绍了入侵检测系统的两种体系结构,并分析了它们存在的问题。随后给出一种基于人工免疫模型的入侵检测方法。文章详细介绍了人工免疫模型的工作原理和结构框架,并且对它的系统特性进行了分析。     

基于ART-人工免疫网络的数据浓缩方法研究

基于智能互补融合观点,提出了一种新的数据浓缩方法.该方法整合了自适应共振网络(ART)和人工免疫网络各自的优点,人工免疫网络利用ART提供的有关系统的先验知识构造网络,对数据样本进行浓缩,获得原始数据集的内部映像,为进一步处理提供良好的数据样本.本文详细讨论了算法步骤,还提出新的数据浓缩度量指标--数据蒸发率.对R2空间分类和Fisher花瓣问题的实验结果表明,该方法有效克服了人工免疫网络计算量大等缺点,结果可靠,且数据蒸发率高.     

人工免疫网络记忆分类并行算法研究

人类免疫系统是极为复杂的、固有并行性、分布式系统。人工免疫系统领域已经开发了许多免疫系统启发的算法,但没有几个显示并行性。论文提出并行人工免疫网络记忆分类系统,给出简单的并行人工免疫网络记忆分类算法。初始结果显示,通过简单的并行化方法,与并行人工免疫识别系统AIRS的比较研究表明,并行人工免疫网络记忆分类系统在并行效率等方面的性能优于后者。     

一种基于人工免疫和代码相关性的计算机病毒特征提取方法

现有的计算机病毒检测方法利用病毒特征码来检测病毒,已经不能适应病毒技术的发展,特别是其无法检测出病毒的新变种与未知病毒.受自然免疫系统的启发,该文提出了一种基于人工免疫的利用计算机病毒代码相关性的计算机病毒特征提取方法.这种特征提取方法在底层提取出与病毒相关的字节模式,在相对更高的层面上记录这些字节模式之间的共同作用信...     

基于人工免疫结合余弦相似度的病毒特征提取算法

针对现有计算机病毒特征提取算法无法有效提取未知病毒和变种病毒的特征,本文借鉴人工免疫思想,提出一种基于人工免疫结合余弦相似度的病毒特征提取算法。在代码层,算法采用TF-IDF对病毒DNA进行趋向性提取建立病毒候选基因库;在基因层,算法利用可变r匹配规则提取病毒候选基因库生产病毒检测基因库;在程序层,算法采用余弦相似度算法评估待测程序与病毒的相似度,对待测程序进行识别。经仿真实验,本算法与其他病毒特征提取算法相比,在较低虚警率的情况下有较高的病毒识别率。     

基于网络社区模块结构的特征选择性能评价

利用网络社区模块结构作为特征选择的度量指标,给出了一种基于全局拓扑结构的特征选择性能评价方法。对一种基于免疫学原理的数据压缩和特征提取模型——人工免疫网络进行了验证,通过对数据特征提取前的抗原数据网络和特征提取后的记忆网络的网络社区模块结构的对比,达到对人工免疫网络(aiNET)的特征提取性能评价的目的。实验结果证实了人工免疫网络模型可以保持网络拓扑结构上的稳定性,验证了利用网络社区结构作为特征选择度量的合理性。     

基于Swarm的人工免疫网络算法研究

智能化信息检索是网络时代最重要的应用之一.现有的机器学习理论与方法难以适应网络环境下数据的动态性和用户兴趣的多样性,成为智能化信息检索研究中的一个薄弱环节.本文通过学习和借鉴自然免疫系统的特征和原理,利用Swarm软件平台,设计和实现了一个人工免疫网络算法.该算法建立在对自然免疫系统的现有理解之上,具备自然免疫系统的主要特征,并被成功的应用于解决一个简单的模式识别问题.最后展望了将人工免疫系统这一新的机器学习机制应用到智能化信息检索系统中的前景.     

基于人工免疫网络的联想记忆器

本文提出一种利用人工免疫网络模型设计联想记忆器的方法，着重指出通过定义适当的补充机制形式，人工免疫系统如何应用于解决联想记忆问题，仿真结果与其他熟知的模型所得结果进行了比较。     

改进的人工免疫识别系统及其性能分析

为了改善人工免疫识别系统的非线性能力,进一步优化分类器性能,提出了一种改进的人工免疫识别系统。新算法采用混合核函数来提升算法的非线性能力,同时,对记忆细个体进行适应度评估,淘汰低适应度的细胞来优化免疫分类器。改进的算法被应用于复杂UCI数据集的分类,分类结果与其他经典的分类算法的结果进行比较,结果显示该算法具有更好的分类性能。     

基于遗传算法和神经网络的特征提取

特征提取是模式识别领域的一个重要的研究方向,特征提取可以提高分类的效率与效果。本文将遗传算法与神经网络结合起来运用于特征提取,对在数据中起显著作用的特征进行筛选,除去冗余和次要特征,得到特征子集。通过对UCI机器学习数据库中的sonar数据进行试验,结果表明可以有效地提取出重要的特征。     

基于人工免疫网络的盲均衡算法

针对传统常模盲均衡算法存在的收敛到局部极小值点问题,提出一种基于人工免疫网络的盲均衡算法,把均衡器系数向量作为抗体,经过一系列抗体克隆、变异和抑制等操作,搜索到适应度值最高的抗体,即均衡器的最优系数。仿真实验结果表明,该算法是有效的。     

人工免疫系统研究的新进展

综述了人工免疫系统的最新研究成果。首先简述了生物免疫系统的信息处理机理，其次介绍了独特型人工免疫网络、多值免疫网络、免疫联想记忆等人工免疫模型，以及反向选择、免疫遗传、克隆选择等五类免疫学习算法，最后介绍了人工免疫系统的应用，并展望了该领域的进一步研究方向。     

基于人工免疫网络的神经网络集成方法

提出基于人工免疫网络的神经网络集成方法AINEN。在用Bagging生成神经网络集成之后,将人工免疫网络的原理应用到神经网络集成,组成了一个从微观上看是一个一个的神经网络,而从宏观上看是一个大的人工免疫网络的集成。通过在微观层次上提高神经网络集成的个体之间的异构度,在宏观层次上提高免疫网络的适应度,从而降低集成的泛化误差。AINEN与GASEN方法在标准数据集上进行的实验表明,AINEN能取得更小的泛化误差。     

一种新的图象特征抽取方法

本文提出了一种新的特征抽取方法。它可对任意形状的工件进行准确描述，并具有计算速度快、特征抽取结果简单的特点。用此算法做成的视觉系统，能识别任意放置的甚至有遮挡或重叠的二维工件，是一种较好满足工业生产线上实时性要求的算法。     

一种基于人工免疫网络的文本聚类算法

本文构造了一种能准确描述文本之间相似性（亲和力）的新方法,并在此基础上提出了一种基于人工免疫网络的文本聚类算法。仿真结果表明,与传统的文本聚类算法相比,新算法不仅能自动发现新类,而且具有聚类精度更高、数据压缩比更大、与输入初始配置无关、可增量处理的优势。     

基于人工免疫网络算法的图像配准方法

图像配准在很多领域得到了广泛应用,而且是其中不可缺少的步骤。该文提出了一种基于人工免疫网络算法的图像自动配准方法,该方法利用Partial Hausdorff距离作为相似测度,采用人工免疫网络算法寻找最优解。实验证明该方法可以很好地配准各种图像,为图像配准提供较好的解决方法。