树突状细胞算法在图像分类中的应用

由于传统树突状细胞算法存在大量的随机参数,很难对算法的有效性进行评价与分析,提出一种用于图像分类的改进树突状细胞算法。针对图像的颜色及纹理特征,定义抗原和分类元素,根据抗原的危险度对目标进行聚类;设计更精确的异常程度指标,简化算法的输入信号,并对处理过程进行优化,使其具有较快的收敛速度和稳定的识别性能。实验证明,该算法能够提高图像的识别率以及识别过程的稳定性,并且减少了算法运行时间。     

不完备数据下的免疫分类算法

人工免疫识别系统（AIRS）是受生物免疫系统的启示而研发的一种比较有效的分类器,但也存在记忆细胞数目过于庞大,分类精度不高,特别是在数据不完备的情况下,分类精度低等缺陷。为了解决这个问题,提出了一种不完备数据下的免疫分类算法（ICAU）,算法引入半监督学习机制和分类器融合投票决策的思想,利用多个AIRS分类器互相帮助学习训练,来提高AIRS在不完备数据下的分类精度。在UCI数据集上进行了实验,结果验证了ICAU算法的有效性。     

基于多值免疫网络的多光谱遥感影像分类

提出了一种基于多值免疫网络的多光谱遥感影像分类方法.该方法用选取的训练样本对多值免疫网络进行网络训练,得到具有记忆功能的免疫网络结构,然后利用多值免疫网络对多光谱遥感影像进行分类.实验结果证明,该算法分类精度上优于传统的分类方法,总精度和Kappa系数分别达到了88.84%和0.8605,因而具有实用价值.     

一类自适应免疫进化算法

基于免疫系统中的进化机理，提出一种自适应免疫进化算法，通过定义扩展半径和突交半径两个新算法参数构造了较小和较大两个邻域，分别利用这两个邻域进行局部和全局搜索，从而形成两层领域搜索机制，以保证算法的全局和局部搜索能力，定义了群体的多样度，并以此自适应调节算法参数以提高算法性能，给出了算法的全局收敛性证明，仿真结果表明，该算法收敛速度快，具有良好的全局寻优和局部求精能力。     

禁忌免疫网络算法及其在函数优化中的应用

基于人工免疫网络算法（aiNet）,借鉴禁忌搜索算法的机制,提出一种禁忌人工免疫网络算法（TS-aiNet）.在算法中引入禁忌表,禁忌那些在网络迭代中亲和度不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态,增加一个记忆表,用于保存成熟的记忆细胞,改进了高斯变异方式,以保证多样化的有效搜索.通过对多个典型系统仿真分析该方法的收敛性,并与克隆选择算法和aiNet算法进行比较分析.结果表明,该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.     

结合危险理论的故障检测免疫模型

为了实现快速准确的网络故障检测与诊断,将危险理论与动态克隆选择算法相结合,提出了用于网络故障检测的危险理论免疫模型;并针对网络故障特点,对危险理论与动态克隆选择算法进行了改进;首先采用危险理论模型对抗原进行危险信号浓度识别,并利用成熟检测器检测已知故障类型,其次用改进的动态克隆选择算法对未知故障进行有效的学习;通过对多种网络故障类型检测的仿真实验,证明了新模型不仅具有更好的检测效果和动态适应性,而且能够提高检测效率与准确率。     

基于人工免疫系统的单类分类算法研究

为了增加检测器的覆盖率,提高算法性能,对V-detector检测器生成算法进行改进,提出了一种不限定检测器中心点位置的检测器生成算法。在检测器生成时,使大部分检测器中心点仍然在问题域内,覆盖问题域内的非我区域,少量检测器中心点位于问题域之外,覆盖问题域边缘。改进后的检测器生成算法中,检测器中心点分量服从正态分布,检测器覆盖问题域边缘的能力增强,检测器覆盖率更高。在基准数据集上的实验结果表明,改进后算法的性能有显著提高。     

免疫算法理论及应用研究

免疫算法是一种新兴的仿生算法,已成为计算智能研究的热点。首先介绍了免疫算法产生、发展和基本原理,并详细讨论了免疫算法的分类,然后讨论了免疫算法理论在许多领域中的发展应用,最后指出了免疫算法理论的研究方向和发展前景。     

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。     

基于免疫网络的遥感影像分类算法

基于独特型免疫网络原理,提出了一种新型的分区记忆模式人工独特型网络模型,并利用其对卫星遥感数据进行了分类。该模型在结构上将免疫网络的记忆抗体划分为特异记忆抗体区和自由记忆抗体区。前者的主要功能是记忆各类别抗原的特异特征,后者为前者提供各种类型的抗体源。记忆抗体间按照亚动力学原理进行调节,实现免疫网络的寻优过程。基于上述分区,它在初次免疫响应过程中实现网络的搭建和训练,在二次免疫响应过程中实现信息提取。最后利用该模型对ETM数据进行地物分类,并与传统分类方法进行对比。结果表明：该模型的总分类精度和Kappa系数分别是92.6%和0.91,优于传统分类方法。     

人工免疫算法及其应用研究

为了有效地解决病态的约束优化问题,提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子,分析了算法的收敛性.人工免疫算法继承了遗传算法“优胜劣汰”的自我淘汰机制,但新抗体的产生方法比遗传算法中新个体的产生方法灵活得多.在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.100个城市TSP问题的仿真实例显示人工免疫算法比遗传算法具有更强的全局搜索能力和收敛速度.     

人工免疫原理在入侵检测系统中的应用研究

介绍了生物免疫系统的免疫原理,并且分析了目前入侵检测系统（IDS）及其存在的问题.为了解决这些问题,提出了一个基于人工免疫原理的入侵检测模型,该模型使用负筛选算法产生检测规则集.最后通过一个实例检验了这个系统,该系统与其它入侵检测系统相比增加了可适应性、自治性、健壮性等特点.     

基于免疫细胞分离进化的聚类算法研究

免疫细胞是生物免疫系统中的重要成分,它在整个生命周期的演变过程决定了免疫系统的性能。成熟免疫细胞和记忆免疫细胞的相互进化过程,体现出良好的识别、分类作用。通过借鉴免疫细胞的不同进化机理而抽取的聚类算法是一种新的聚类算法,能有效地提取数据的有用信息,表现出了其良好的应用前景。     

一种基于人工免疫系统的聚类算法

根据数据分析中聚类判断所遵循的原则,模拟抗体捕获抗原的机制,提出了一种基于人工免疫系统的聚类算法,最终可以获得全局最优解,并且具有本质上的并行性、计算效率高和聚类能力强等优点。     

一类用于函数优化的基于混沌搜索的免疫算法

将混沌优化算法与克隆选择算法相结合,提出了一类基于混沌搜索的免疫算法．首先利用解空间变换将优化变量表示为混沌变量,并将混沌变量编码为抗体．然后,利用混沌变量的遍历性和随机性特点,通过在高亲和力抗体的邻域内进行混沌搜索以实现局部寻优,通过在整个解空间内的混沌搜索来避免陷入局部最优解．数值仿真结果表明该算法具不易陷入局部最优、解的精度高和操作简单等优点．     

基于人工免疫的灰度图像多阈值自动分割

为了实现灰度图像的自动分类以及自动分割,提出了一种基于人工免疫及最优分类数的灰度图像多阈值自动分割方法.定义了灰度图像最优分类数目标函数;接着运用人工免疫算法,结合最优分类数函数对灰度图像进行自动分类,并产生最优的多阈值,从而使得图像的全自动分割成为可能.该人工免疫算法中,抗原是指最优分类数目标函数,而抗体是指最优的多阈值.通过实验证明,分类清晰,效果良好.     

基于人工免疫理论的Shellcode检测方法

Shellcode是缓冲区溢出漏洞攻击的核心代码部分,往往嵌入到文件和网络流量载体中。针对特征码匹配等检测手段存在时间滞后、准确率低等问题,结合人工免疫理论,提出一种采用实值编码的shellcode检测方法。收集shellcode样本并进行反汇编,利用n-gram模型对汇编指令序列提取特征生成抗原,作为免疫系统未成熟检测器来源,之后经历阴性选择算法的免疫耐受过程,生成成熟检测器。对检测器进行克隆和变异,繁衍出更加优良的后代,提高检测器的多样性和亲和度。实验结果表明,该方法对非编码shellcode和多态shellcode均具有较高的检测准确率。     

人工免疫系统研究

本文首先简单解释了人工免疫的定义;其次对常见的免疫算法的机理和结构进行总结;接着分析了人工免疫系统的应用情况,最后指出人工免疫系统的以后的研究方向。