基于人工免疫的入侵检测改进模型研究

在前人提出的基于人工免疫的入侵检测模型的基础上,加入了抗体精度匹配阀值和粗糙匹配频度阀值以改进其算法中对于self—nonself的判断处理方法,使得对于正常的突发性网络事件也可以进行合理的判断,从而加强了对网络事件检测的灵活性,并提出了改进后的入侵检测与防御体系模型．最后通过仿真测试,证明本模型在对突发性网络事件判断的灵活性、合理性和可行性,优于前人的基于人工免疫的入侵检测模型．     

大豆乳清蛋白的乳化特性及水解条件

为考察大豆乳清蛋白乳化特性及胰蛋白酶水解技术,采用截留分子量(MWCO)为10000 u再生纤维膜(PXC)进行试验,考察大豆乳清蛋白乳化性(EAI)、乳化稳定性(ESI)、胰蛋白酶水解技术及其最佳控制条件.结果表明:大豆乳清蛋白ESI效果影响因素及最佳条件是:时间(25 min)>质量分数(5%)>温度(40℃)>pH(9),EAI效果最佳条件是:质量分数(5%)>温度(40℃)>pH(9)>时间(25 min).大豆乳清蛋白的胰蛋白酶水解技术可行,水解条件为:底物质量分数2%,酶用量4000 u/100g.pro,水解时间4 h,温度60℃.     

集装箱图像对比度增强的自适应算法

基于对非完全Beta函数的研究,介绍了三种不同的自适应图像对比度增强方法.传统的图像增强处理是针对图像灰度分布的不同情况,来定义相应的灰度变换函数.Tubbs将图像增强处理中几种常用的非线性变换函数,表示成了一个归一化的非完全Beta函数,通过自适应搜索算法可以确定Beta函数的最佳参数,从而确定了相应的最佳变换曲线,将该函数应用于集装箱检测图像的对比度增强,通过对实验结果的比较,说明了该变换函数的优越性.     

基于免疫粒子群算法的非合作博弈Nash均衡问题求解*

针对N人非合作博弈Nash均衡求解问题,将免疫算法中抗体浓度抑制机制和免疫记忆功能引入基本粒子群算法,提出了一种求解博弈问题Nash均衡的免疫粒子群算法。该算法通过抗体浓度抑制机制和免疫记忆功能来保持种群的多样性,不仅保持了粒子群算法简单、易于实现的特点,而且增强了粒子群算法的全局寻优能力,加快了算法的速度。实验表明,提出的算法具有较好的性能,优于免疫算法和基本粒子群算法。     

实值n维混沌映射否定选择算法

针对传统的基于二进制的混沌否定选择算法在检测器生成阶段对混沌映射产生的混沌序列离散化生成的候选检测器,不利于知识和数据的分析,也会造成检测器集生成速度慢及检测效率低等问题,提出了基于实值的混沌否定选择算法.引入混沌理论,采用混沌特性更好的自映射构造n维混沌映射生成候选检测器中心点,改进了传统的检测器生成机制,更适合处理高维空间问题;对原有的V-detector算法进行了优化,通过定向移动与计算几何中心相结合的思想确定检测半径.旨在满足预期覆盖率条件下尽量使半径取值最大化,扩大检测器集的覆盖范围,减少检测器数量.实验结果表明,该算法提高了检测器集的生成速度和检测效率.     

基于危险理论和DCA的WSNs入侵检测系统模型

针对无线传感器网络(WSNs)由于自身特点易于遭到入侵且传统被动的安全机制无法完全应对这一问题,对人工免疫系统(AIS)进行研究,设计一种新的入侵检测系统(IDS)模型。模型采用危险理论和适用于WSNs的改良树突状细胞算法(DCA),可使节点之间彼此分工合作共同识别入侵,加强了网络的鲁棒性。仿真结果显示:与早期的自我—非我(SNS)模型相比,研究的模型在检测能力和能耗上均有很好的表现。     

种子检测器刺激-应答变异算法研究

为降低阴性选择算法(NSA)的时间复杂度,提出了一种应用种子个体连续位刺激变异的检测器生成策略:首先随机生成种子检测器集合,根据其与自体的亲和度选定变异个体和变异片段;其次在被选个体的特定基因片段发生刺激-应答变异(SRM),产生新的候选检测器个体;最后应用r位连续匹配准则筛选候选个体生成新的检测器.该策略的算法特点在于利用种子个体和自体集合的模式信息指导变异过程,降低候选检测器与自体的匹配成功率.实验表明,在保持高检测率的同时,种子检测器SRM算法比穷举算法、个体随机变异算法和检测器连续胞体超变异(CSH)算法的生成效率更高.     

基于免疫算法的内燃机配气机构型线动力学优化设计

建立了内燃机配气凸轮机构型线的动力学数学模型,运用免疫遗传算法和Matlab语言,对该数学模型进行了仿真优化计算,与原设计相比,仿真结果表明:丰满系数提高了1.24%,动态最大正加速度在上升段下降了0.87%,在下降段上升了5.23%,动态最大负加速度下降了5.93%,使得系统动态速度和动态加速度趋于平稳,有效的减少内燃机配气机构的冲击振动,提高了内燃机的动力性能。