基于反向选择的网络异常学习行为识别方法

网络学习中,异常学习行为不易及时被察觉和纠正,可能会导致严重的学习问题.网络异常学习行为具有多样性和不确定性,难以通过规则直接界定.借鉴生物免疫系统识别病原体的原理设计的反向选择算法,能自适应识别未知异常,并具有实时性、动态性、多样性、鲁棒性等特征.借助主成分分析法从网络学习行为日志数据中抽取行为特征,构成多维空间的学习行为向量,通过优化训练集改进了反向选择算法并设计了基于该算法的网络异常学习行为识别方法 .在真实数据集上的实验结果表明：该方法的识别率优于朴素高斯贝叶斯、决策树、支持向量机等常用算法,能够及时对异常学习行为进行早期预警,为干预和改进学习效果提供客观依据.该方法不需要人工干预,能识别未知的异常行为,具有多样性和较高的自适应性.     

改进的免疫遗传算法在优化问题中的应用

基于生物免疫系统原理,对人工免疫系统进行研究,提出了改进的免疫遗传算法.该算法的选择算子采用基于浓度和适应度的自适应式选择策略;引入免疫算子,抑制其优化过程中出现的退化现象.将改进的免疫遗传算法应用于TSP组合优化问题,仿真结果表明了该算法的有效性.     

人工免疫算法路径规划在林火救援中的应用

为解决复杂环境下双机林火救援路径规划问题,提出用人工免疫算法规划三维飞行航迹。借鉴人工免疫算法规划机器人路径的方法,通过考虑飞机飞行特性和双机路径规划的要求,为双机异地出发同时到达规划出三维飞行路线,并对算法的主要影响因素进行了分析和估计,获得规划航迹的最优参数,用于设计安全高效的飞行航迹。研究结果表明,该方法能规划出复杂环境下双机飞行航迹,利用参数优化后的人工免疫算法不但能快速有效地规划三维航迹,而且丰富了航迹规划方法研究。     

具有记忆与积分能力的双因子免疫控制器及其特性的仿真研究

提出了一种改进的双因子免疫反馈模型.基于这种能够比较合理地描述特异免疫过程的新的双因子免疫反馈模型,给出了一个双因子免疫控制器模型.该控制器结构简单、易于实现.仿真研究与分析表明,其具有一阶积分特性、对大滞后系统有良好的稳定能力、有记忆功能、参数调节容易等特性.     

基于混合式P2P技术的免疫入侵检测模型研究

提出了基于混合式P2P网络技术的免疫入侵检测算法,构建了基于混合式P2P网络技术的免疫入侵检测模型.定义了免疫细胞的结构,描述了免疫入侵检测的免疫细胞耐受,激活,记忆等过程.实现了记忆免疫细胞的高效生成.仿真实验表明,该算法能有效提高免疫学习效率,提高免疫检测率,降低免疫检测的误检率.     

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法,描述了算法的操作过程.采用函数优化仿真实验与进化算法进行比较,结果表明免疫克隆选择算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题和骗问题.     

阴性选择算法检测器生成的优化及仿真

针对现有常规阴性选择算法在非我空间覆盖设计上未考虑自身免疫性检测器发生的问题,提出一种能检测和剔除自身免疫性检测器的方法,并以MATLAB软件为仿真实验平台,分别对不规则分布数据、环形分布数据和近圆形分布数据3种空间数据分布进行仿真研究.仿真结果表明,该方法能有效剔除90%的自身免疫性检测器,提升了免疫阴性选择算法的鲁棒性和自适应能力.     

矿井安全监控平台中的智能决策系统研究

针对当前矿井监控系统只提供阈值报警的不足,充分利用监控系统数据库中丰富的历史数据,先甄选出正常数据样本与异常数据样本,分别对正常、异常样本建模,再提取各样本的特征向量,最后利用支持向量机训练各样本的特征向量,得到以矿井瓦斯为主的在线预测模型。仿真结果表明,支持向量机预测模型能够实现矿井瓦斯的在线测量与危险性提前预测,为矿井管理人员提供智能决策指导,进一步完善了矿井监控系统的整体功能。     

基于人工免疫模型的网络入侵监测

首先介绍基于网络入侵监测系统的三种工作方式，随后讨论了一种新的基于人工免疫模型的入侵检测方法，详细介绍了人工免疫工作原理和结构体系，并对其系统特性进行了分析．     

基于人工免疫算法的旅游突发事件预警研究

对旅游突发事件预警进行了分析,给出了旅游突发事件的人工免疫模型,建立了基于人工免疫模型的旅游突发事件预警系统.应用预警系统对旅游突发事件进行了分类,得出了一种新的旅游突发事件分类方式,可以有效地对旅游突发事件进行预警.