一种使用最近邻自体耐受的否定选择算法

本文提出一种采用最近邻自体耐受的否定选择算法（Nearest Neighbor Self Tolerance Negative selection algorithm,NST-NSA）,该算法在通过数据预处理阶段将所有样本压缩进单位特征空间,并利用N维数组记录自体位置;在训练阶段根据候选检测器坐标在N维数组中搜索最近近邻自体进行计算。实验结果表明,想对于传统的否定选择算法NST-NSA能以更短的时间达到更高的检测率。