Clone Selection Algorithm with Niching Strategy for Computer Immune System

A clone selection algorithm for computer immune system is presented. Clone selection principles in biological immune system are applied to the domain of computer virus detection. Based on the negative selection algorithm proposed by Stephanie Forrest, combining mutation operator in genetic algorithms and niching strategy in biology is adopted, the number of detectors is decreased effectively and the ability on self-nonself discrimination is improved. Simulation experiment shows that the algorithm is simple, practical and is adapted to the discrimination for long files.     

基于V-BLAST OFDM系统的天线选择算法

研究了天线选择,提出了一种基于垂直－贝尔实验室分层空时结构(V-BLAST)与正交频分复用(OFDM)相结合的系统的发送天线选择算法,使选用的发送天线组合,对所有子载波的最小信号噪声干扰比（SNIR）最大化,以较好地解决V-BLAST系统检测要求信道的无线环境中有丰富的散射体,否则会严重恶化系统误比特率性能的问题。理论分析和仿真试验证明,应用该算法明显改善了系统的误比特率性能。     

动态分数选择的多视角非接触指纹识别融合

与传统的二维指纹采集方式相比,非接触的指纹采集方式可以提供更丰富的特征,并能克服二维采集方式某些不足．基于多视角非接触指纹识别融合问题,提出了基于聚类的动态分数选择(CDSS)算法．首先,通过聚类将匹配分数分为两类,分别计算两类中匹配分数的个数以及其他统计量,然后通过参数的判断选择相应的统计量作为整个系统最终用于决策的匹配分数．实验表明:相比单视角非接触二维指纹识别,基于CDSS的多视角非接触指纹识别的识别性能有显著提高．与sum、max、SVM和Fisher线性判别算法等的实验比较也验证了CDSS在多视角非接触指纹识别融合方面的优越性．     

一种类内方差与相关度结合的特征选择算法

为了解决现有特征选择算法没有同时考虑特征之间以及特征与类别之间的相关性,且存在计算量大、适用范围窄等问题,从均方误差最小的分类训练准则出发,并借鉴线性鉴别分析的思想,提出了一种类内方差与相关度结合的特征选择算法,并使用核方法将其推广到可以解决非线性分类的特征选择问题.该算法不仅同时考虑了样本特征之间以及特征与分类标号之...     

基于概率神经网络的配电网接地故障选线方法

针对小电流接地系统单相接地故障,提出一种基于概率神经网络的配电网接地故障选线方法。采集每条线路在单相接地故障发生时的零序电流暂态信号(一个周波,故障前1/4个周波和故障后3/4个周波),运用db10小波序列进行5层小波包分解。提取零序电流小波能量并将其输入到PNN网络,实现故障线路自动识别。并给出故障选线小波包分解算法和PNN算法的具体步骤,可直接用计算机编程实现。运用Matlab软件对中性点不接地系统和中性点经消弧线圈接地系统均进行了仿真,验证了该方法的可行性与准确性。     

分布式MIMO系统基于端口选择的快速天线选择

相对于点对点多输入多输出（MIMO）系统,分布式MIMO系统的天线数量显著增大,采用现有的性能较优的天线选择算法,复杂度的增加会大大制约系统的可实现性. 为了解决这一问题,根据分布式架构特点提出一种基于端口选择的改进型逐减天线选择算法. 该算法通过设定上限的动态端口选择有效缩小待选天线范围,进而采用逐减方法,以优化参数迭代更新的方式达到进一步降低复杂度的目的. 理论分析和性能仿真结果表明,该算法在显著降低计算复杂度的同时,其容量性能仍可逼近穷举算法.     

基于动态克隆选择算法的病毒检测模型

为了更加有效地检测病毒变种和未知病毒,受生物免疫系统的启发,提出了一种基于人工免疫系统(AIS)的计算机病毒检测模型.通过引入动态克隆选择算法并对其改进,解决了训练过程中自我空间静态固定的问题,提高了病毒检测系统对于不断变化病毒环境的动态适应能力.实验结果表明,该模型拥有较强的自适应能力,可有效地检测病毒程序,并且具有较低的误报率.     

人工免疫系统在计算机安全中的应用

主要介绍人工免疫系统计算机安全领域的研究现状，包括异常诊断、网络入侵检测和病毒检测三方面，首先介绍基于免疫系统阴性选择原理的阴性选择算法原理，不同研究人员对该算法进行了改进并应用于异常诊断和网络入侵检测系统中；然后总结基于阴性选择算法以及主体与免疫系统原理相结合的两种不同的计算机入侵检测系统的特点；最后对基于免疫识别原理的计算机病毒检测和消除系统进行归纳，指出人工免疫系统在计算机安全领域的发展方向。     

基于频移最小化的天线选择算法

文章通过对MIMO_OFDM系统信道特性进行分析,介绍了一种基于频移最小化的天线选择算法。该算法结合PN序列及奇异值分解(SVD)算法特性,在信道容量方面性能接近最佳天线选择算法,在对抗多普勒频移产生的误码率方面更优于最佳天线选择算法。     

联合图嵌入与特征加权的无监督特征选择

在特征选择领域,现有的大多数方法不能同时捕获不同特征有差异的权重,?不能对投影子空间施加正交约束来提高特征的判别力.为此,?本文提出联合图嵌入与特征加权的无监督特征选择方法(Joint?Graph?Embedding?and?Feature Weighting,?JGEFW).首先,?通过图嵌入局部结构学习获得相似度矩...     

基于生物免疫原理的过滤器算法研究

从实际应用的角度,分析了负检测方法的局限性,针对网络入侵检测的效率问题,构建了一个具有动态自适应性的过滤器系统,对过滤器检测元的生成算法进行了深入的研究。根据正选择算法识别自我的独特性,借鉴动态科隆选择算法的思想,以正选择算法为核心并结合数据挖掘技术来确保检测器的生成效率及检测效率。     

关于克隆选择算法优化检测器的研究

否定选择算法能降低入侵检测系统的误报率,但必须和其他免疫算法结合起来使用.本文提出了一种含有否定选择算子和遗传算子的克隆选择算法,通过克隆选择算法产生多样子代检测器,并且从中选择比其父代更优的检测器去取代父代检测器,这样一代一代循环,使检测系统具有更好的覆盖空间.实验表明,该算法在提高检测率,降低误报率方面是有效的.     

A complete discrimination system for polynomials with complex coefficients and its automatic generation

By establishing a complete discrimination system for polynomials, the problem of complete root classification for polynomials with complex coefficients is utterly solved, furthermore, the algorithm obtained is made into a general program in Maple, which enables the complete discrimination system and complete root classification of a polynomial to be automatically generated by computer, without any human intervention. Besides, by using the automatic generation of root classification, a method to determine the positive definiteness of a polynomial in one or two indeterminates is automatically presented.     

基于OpenMP的并行克隆选择算法

讨论了一种基于分布式并行模型的并行克隆选择算法,并在4核CPU的计算机上进行了验证。该并行算法中,多个子种群代替了原来单一的种群,每个子种群独立地进化,在完成一次进化后每个子种群中最好的个体将取代其他种群最坏的个体。并行算法不仅克服了能量值较早收敛的缺点,而且能有效地寻找到全局最优能量值。实验结果显示,改进后的算法性能有了显著提高。     

A complete discrimination system for polynomials

Given a polynomial with symbolic/literal coefficients,a complete discrimination system is a set of explicit expressions in terms of the coefficients,which is sufficient for determining the numbers and multiplicities of the real and imaginary roots.Though it is of great significance,such a criterion for root-classification has never been given for polynomials with degrees greater than 4.The lack of efficient tools in this aspect extremely prevents computer implementations for Tarski's and other methods in automated theorem proving.To remedy this defect,a generic algorithm is proposed to produce a complete discrimination system for a polynomial with any degrees.This result has extensive applications in various fields,and its efficiency was demonstrated by computer implementations.     

Fast network intrusion detection system using adaptive binning feature selection

Aiming at the problems of the low detection rate of traditional intrusion detection systems and the long training and detection time of intrusion detection systems based on deep learning,an adaptive binning feature selection algorithm using the information gain is proposed,which is combined with LightGBM to design a fast network intrusion detection system.First,the original data set is preprocessed to standardize the data;then the redundant features and noise in the original data are removed through the adaptive binning feature selection algorithm,and the original high-dimensional data are reduced to the low-dimensional data,thereby improving the accuracy of the system and reducing the training and detection time;finally,LightGBM is used for model training on the training set selected by the characteristics to train an intrusion detection system that can detect attack traffic.Through verification on the NSL-KDD data set,the proposed feature selection algorithm only takes 27.35 seconds in feature selection,which is 96.68% lower than that by the traditional algorithm.The designed intrusion detection system has an accuracy rate of 93.32% on the test set,and its training time is low.Compared with the existing network intrusion detection system,the accuracy rate of the proposed system is higher,and its model training speed is faster.     

基于克隆遗传量子算法的多用户检测

基于免疫克隆选择理论和遗传量子算法,提出了一种解决CDMA系统多用户检测问题的克隆遗传量子算法.通过使用克隆选择算子和遗传量子算法的理论,新算法能执行随机搜索和经验学习.所提的算法把随机神经网络嵌入到克隆遗传量子算法的每一代中.通过结合随机神经网络到CGQA中,可以加快CGQA的收敛速度、减少计算复杂度.另外,CGQA所提供的好的初值可以改善SHNN的性能,嵌入的SHNN还提高了CGQA的性能.在讨论了使用新算法设计多用户检测器的性能特点后,在CDMA系统进行了计算机仿真并和一些多用户检测器进行了比较.仿真结果证明了文中所提多用户检测器的抗多址干扰能力和抗远近效应能力都优于一些应用以前算法的多用户检测器.     

多站雷达干扰对抗系统子站选择策略

基于参数联合估计的假目标鉴别方法可通过增加雷达站数量来提高假目标鉴别概率,然而,过度增加雷达站数量会造成设备资源的严重浪费.对此,提出基于多站雷达系统假目标鉴别过程中渐进收缩的子站选择策略.对于空间已有的雷达站,在满足预设假目标鉴别性能的前提下,考虑通过快速收缩和全局收缩2种筛选方式,迭代选出系统中空间分布更有优势、鉴别能力更强的发射或接收站,共同组成雷达子站.相比于穷举搜索方法,子站选择策略可大幅降低筛选过程的时间复杂度.仿真结果表明,子站能够保持与原多站雷达系统近似的鉴别效果,同时优化了雷达设备数量,减少了融合中心处理的数据量和所需的通信链路,有效节约了运作成本.     

水泵选型应用系统中CAD在线绘图的设计与实现

水泵选型应用研究的目的是用计算机来代替传统的纸质资料。系统地介绍了在水泵选型应用系统中利用网络进行CAD在线绘图的特点、CAD在线绘图的设计构思以及实现方法,为B/S结构的水泵选型应用系统奠定基础。     

Cooperative RRU selection algorithm for multicast service in C-RAN wireless networks

In the centralized, collaborative, cloud-based and clean wireless access network(C-RAN), the problem of the selection of the RRUs in cooperating group realizing CoMP for multicast service exists. In this paper, we propose an algorithm for RRU selection based on the signal receiving quality of multicast users and immediate load of RRUs. This algorithm adopts the channel capacity and the occupied resources as the optimal objects to establish the objective functions. And we find the optimal solution of the objective functions to achieve the appropriate cooperating RRU group. Contrasting with the selection algorithm based on signal receiving quality and geographical location, simulations show that the proposed algorithm improves the throughput and service fairness of multicast users in the CoMP system, and meanwhile reduces the load of the selected cooperative RRU and balances the system load.