一种基于小生境策略的阴性选择算法

阴性选择算法是计算机人工免疫系统的传统核心算法之一,并以此为基础产生了许多改进算法,但这些算法大多存在计算时间过长以及空间资源消耗过大等问题。针对这些问题,提出了一种基于小生境策略的阴性选择算法,算法引入了小生镜策略,增强了检测器生成的多样性,降低了算法的复杂度并减少了检测器的生成时间,提高了阴性选择算法的生成效率。     

基于免疫重构的阴性选择算法

针对阴性选择算法在解决实际问题中,易误判及自修复能力差的弱点,该文基于生物免疫系统内部学习优化机制以及工业领域中的可重构系统,提出了一种基于免疫重构的阴性选择算法.新算法将可重构系统的思想融入到阴性选择算法中,提出了重构串、重构模型与重构操作的概念与实现方法,以保证系统发生意外的时候能够及时恢复、重组.将算法应用于一个Web系统进行仿真实验,结果表明该算法是有效的.     

采用在自己空间变异搜索来训练检测器的阴性选择算法

针对故障检测中,现有阴性选择算法的不足,以自己空间为基础,依据遗传算法中变异的机制,以及体现免疫系统疫苗接种、克隆选择的原理训练检测器,对能检测出异常的检测器的阴性选择算法作了新改进。最后通过仿真表明了新改进的算法在基本能覆盖自己空间范围的前提下,计算复杂度明显下降的同时对异常检测的有效性大大提高。     

基于实数编码遗传算法的改进支持向量机

提出了一种基于实数编码遗传算法的改进支持向量机.针对二进制遗传算法求解分类问题的3点不足之处,提出了改进算法.该算法在问题的约束中引进核函数,将问题映射到高维空间,成为线性问题后求解,从而使算法不仅适合解线性问题,也适合解非线性问题;引进Reduced SVM思想,仅用数据集的1%～10%的样本信息就能求出分类问题的分划超平面,从而大大降低了问题的复杂性;最后采用实数编码的遗传算法求解,节省了两次编码-解码转换所占据的运行时间.给出了算法的迭代步骤,数值实验表明该改进的算法是有效的,理论证明该算法确实是收敛的.     

带基向量种群的改进差分进化算法

在基向量随机选择中,差分进化算法的收敛速度较慢。为此,提出一种改进的差分进化算法。从当前种群中选择一定数量个体组成基向量种群,在进行变异操作时,从该基向量种群中选择个体作为基向量。使用标准测试函数对算法进行验证,结果表明,该算法能缩小基向量选择范围,减少迭代次数。     

基于锦标赛选择变异策略的改进差分进化算法及函数优化

针对差分进化算法传统变异策略在全局收敛鲁棒性和搜索效率上不能达到一个很好的折衷,并且算法的操作算子固定,导致搜索效率低、易早熟收敛等问题,文中在差分进化算法变异策略性能分析的基础上,提出了一种基于锦标赛选择的变异策略。该策略采用“锦标赛选择”对随机选取的变异向量排序选出基向量,差分向量选择有利于搜索的方向并对其 “强化”,以提高收敛速率和维持种群多样性;同时操作算子采用随机正态缩放因子F和时变交叉概率因子CR,以平衡局部搜索和全局搜索;最后,利用4个典型Benchmarks测试函数对改进算法进行测试。实验结果表明,该改进型差分进化算法能有效避免早熟收敛,较好地提高算法的全局收敛能力和搜索效率。     

基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机

本文研究了最小二乘隐空间支持向量机的优化问题。文中采用基于对称超松弛预处理技术改进共轭梯度算法,改进的共轭梯度算法只需求解一个阶数为l-1的线性代数方程组即可,大大节省了计算时间。最后将其应用于最小二乘隐空间支持向量机中建立数学模型,并通过实例验证了该算法的优越性。     

基于16S rRNA序列物种鉴定的改进向量空间模型算法

在物种鉴定领域中,权威方法是基于BLAST的序列比对算法,然而该算法出现计算量过于庞大,运算效率低以及资源消耗较高等问题.为解决以上问题,本文借鉴经典文献中的K-String组份向量方法,对向量空间模型作出改进,将其应用于基于16S rRNA序列的物种鉴定领域,并在巴拿赫空间的理论体系下,对改进向量空间模型算法中的遗传距离公式进行等价替换,给出不同范数背景下对应的遗传距离公式,供科研人员参考.本文从计算效率和物种鉴定效果两个方面来判断改进算法的性能,最终得到如下结论：欧几里得空间下的内积范数从计算效率上较经典的blast算法具有显著优势,而其分类效果在检出率这一方面,达到了比对结果的一致性.     

基于粗糙集和改进鲸鱼优化算法的特征选择方法

随着互联网和物联网技术的发展,数据的收集变得越发容易。但是,高维数据中包含了很多冗余和不相关的特征,直接使用会徒增模型的计算量,甚至会降低模型的表现性能,故很有必要对高维数据进行降维处理。特征选择可以通过减少特征维度来降低计算开销和去除冗余特征,以提高机器学习模型的性能,并保留了数据的原始特征,具有良好的可解释性。特征选择已经成为机器学习领域中重要的数据预处理步骤之一。粗糙集理论是一种可用于特征选择的有效方法,它可以通过去除冗余信息来保留原始特征的特性。然而,由于计算所有的特征子集组合的开销较大,传统的基于粗糙集的特征选择方法很难找到全局最优的特征子集。针对上述问题,文中提出了一种基于粗糙集和改进鲸鱼优化算法的特征选择方法。为避免鲸鱼算法陷入局部优化,文中提出了种群优化和扰动策略的改进鲸鱼算法。该算法首先随机初始化一系列特征子集,然后用基于粗糙集属性依赖度的目标函数来评价各子集的优劣,最后使用改进鲸鱼优化算法,通过不断迭代找到可接受的近似最优特征子集。在UCI数据集上的实验结果表明,当以支持向量机为评价所用的分类器时,文中提出的算法能找到具有较少信息损失的特征子集,且具有较高的分类精度...     

不同种类支持向量机算法的比较研究

介绍一种新型的机器学习方法-支持向量机.论述了不同种类支持向量机算法并指出了每种算法的优劣.实验结果显示了核函数中选择合适的参数对分类器的效果是很重要的,通过实验还重点比较了Chunking、SMO和SVMlight三种典型分解算法,并分析了训练速度优劣的原因.文章最后给出了今后SVM研究方向的一些预见.     

EvoSeedRNSAII: An improved evolutionary algorithm for generating detectors in the real-valued Negative Selection Algorithms

In the previous work, a detector generation algorithm, named as the EvoSeedRNSA, is proposed. A genetic algorithm is adopted in the EvoSeedRNSA to evolve the random seeds to generate an approximately optimal detector set. This paper proposes an improved EvoSeedRNSA, named as the EvoSeedRNSAII, to generate a more efficient detector set. A multi-group random seed encoding scheme is designed to represent the individuals and different detector generation sequences are discussed. The experiments demonstrate that the EvoSeedRNSAII has a better performance than the EvoSeedRNSA.     

一种采用边界检测器的实值否定选择算法

针对实值否定选择算法中由边界困境问题引发的在自体与非自体区域边界产生漏洞的现象,提出了一种采用边界检测器的实值否定选择算法.该算法在边界上生成具有一定侵略性的边界检测器,通过边界阚值控制的边界检测器不仅能够有效地减少边界上的漏洞,还能探明自体与非自体区域边界.使用人工数据和MIT Darpa 1998离线数据对算法进行了测试,结果表明尽管新方法具有较高的最小误报率,但在误报率相同的情况下,有更高的检测率.     

基于改进帝王蝶优化算法的特征选择方法

针对帝王蝶优化算法(MBO)全局搜索能力较弱、在迁移过程中容易出现种群多样性减少等问题,文中提出基于柯西变异的差分自适应MBO及其特征选择算法.首先,使用差分进化算法中的变异操作替换MBO的迁移算子,提升全局搜索能力.然后,将自适应调整策略融入MBO的调整算子,改变单一的调整方式.最后,对每次更新的种群进行柯西变异,增加种群多样性.为了验证改进帝王蝶优化算法及其特征选择方法的性能,通过基准函数和UCI数据集两部分实验对其进行测试,结果表明文中算法性能较优.     

一种改进的用于多峰值函数优化的自适应克隆选择算法

针对基本的克隆选择算法容易陷入局部最优的弱点以及算法在迭代后期易出现停止不前的现象,向基本克隆选择算法中加入了超变异算子和自适应调节步长机制,经过典型的Benchmark算例的测试,表明改进后的克隆选择算法能够提高全局寻优能力和解的精度.     

人工免疫系统中反向选择算法的改进

将人工免疫系统运用到入侵检测系统中,近年来已经有了一定的发展。在这个领域中,如何培育出符合需求的免疫细胞,使能够较多地识别非我并较少地识别自我,尽可能地覆盖NONSELF空间,这就是如何培育更好的识别器的问题。反向选择算法是识别器的传统构造算法,该文针对反向选择算法的伪肯定率过高的问题,提出了改进算法,在入侵检测系统中达到的效果更好。     

一种基于最优特征选择改进的遗传算法

数据挖掘中如何有效地从高维特征空间选择最优特征子集,很大程度上影响模型的预测结果,基于此本文提出一种复合适应性函数、多特征组合搜索的自适应性遗传算法。算法依据统计学原理对原始特征先行过滤构建特征候选集,使用多模型融合的交叉验证结果作为适应性函数以提高每轮进化的适应值,轮盘赌算法、定长基因段交叉算法、随机基因位点变异算法分别构成选择算子、交叉算子和变异算子。通过实验对比表明该遗传算法具有一定的稳定性和有效性,能够在原始特征空间中启发性的选择最优特征子集,从而提高数值型预测准确率。     

Web文本特征选择算法的研究

以向量空间模型作为Web文本的表示方法,结合Web文本的结构特征对向量空间模型中的特征选择算法进行了分析并加以改进。在改进的算法中,体现出了特征词在Web文档结构中的位置信息;引入了信息论中熵的概念,用词的熵函数对权值进行调整,从而更加准确地选取有效的特征词。实验验证了改进算法的可行性和有效性。     

计算机病毒人工免疫中阴性选择算法的研究

本文在分析计算机病毒阴性选择算法缺点的基础上引入变异的概念,提出了一种变异的双向选择算法。实验证明本文提出的算法效率更高。并能保证生成检测器的适应度较高。     

基于空间矢量积的面积求交算法与应用

针对建筑工程中选择最佳施工地段的问题,提出通过对建筑物轮廓线与所选地段地面线求交来获得封闭区域面积的算法。该算法利用空间矢量积经过变换后所对应的实际工程含义来求解相交面积,最终达到确定最佳施工地段的目的。实践表明,利用空间矢量积所构造的面积求交算法能直接满足建筑工程中保证填挖方工程量尽可能小的需求,同时该算法具有在结构上的独立性以及与对象的无关性,因此可以在其它类似系统中进行移植和封装复用。