10.19678/j.issn.1000-3428.0063892
基于mRMR与基尼重要性的树突状细胞模型
树突状细胞算法(DCA)模拟人体免疫系统中树突状细胞对抗原的识别与提呈过程,是一种快速有效的异常检测方法,其关键是从数据中选取有效特征以表示特定的输入信号.然而,现有信号选取方法存在特征子集冗余、时间复杂度高等问题,导致生成的抗原信号有效性较低,且在高维大样本数据集上运行速度较慢.考虑抗原信号的可用性与信号选取过程的时间效率,提出基于最大相关最小冗余(mRMR)与基尼重要性的树突状细胞模型MRGI-DCA.通过mRMR从原始数据集中快速地提取最相关特征子集,且最大限度地降低特征子集的冗余性.在mRMR预降维的基础上,根据CART树模型快速、准确等特点,利用基尼重要性得到更有效的抗原信号.实验结果表明,MRGI-DCA总体表现优于IG-DCA、COR-DCA、GA-DCA和SVM-DCA方法,其中,准确率、F1值和AUC在高维、低维、异常数据集上的平均值较COR-DCA分别提高6.01%、5.86%、9.96%,并且平均运行时间约为COR-DCA的1/5.
树突状细胞算法、信号选取、最大相关最小冗余算法、基尼重要性、人工免疫系统
49
TP391(计算技术、计算机技术)
国家自然科学基金61877045
2023-05-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
129-138