基于数字微分的函数化树突状细胞算法模型

摘要：

树突状细胞算法(DCA)是一种模拟人体免疫系统中抗原提呈的算法,可以快速有效地将输入数据分为正常和异常,然而现有DCA模型普遍存在形式化描述不清晰且信号提取受人工经验影响的不足.为此,在hDCA模型的基础上,提出一种基于数字微分的函数化DCA模型.在预处理阶段引入数字微分方法,根据数据变化趋势自适应提取信号并随机动态采样抗原,去除对时序敏感的数据序列.在此基础上,对输入信号加以融合得到决策信号,并进行抗原背景环境分类处理.将ndhDCA、DCA和hDCA应用于WBC和KDD99数据集进行对比,实验结果表明,ndhDCA对有序数据集和无序数据集均具有高准确率和低误报率,同时可降低输入数据顺序的敏感性.

关键词：树突状细胞算法、hDCA模型、数字微分、人工免疫系统、特征提取

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金“计算机免疫智能的连续应答机制及其应用研究”61877045

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：54-60