人工免疫系统的方法在基于本体的语义Web中的聚类应用

人工免疫系统出现的时间并不长,但它具有的良好特性,如健壮性、自治与多层性、自我识别、分配性、增强的学习与记忆、捕获行为和噪音容忍等令人瞩目.语义Web的聚类是知识发现即数据挖掘的重要内容.本文引入了基于ontology的语义Web中人工免疫系统的免疫算法,尝试利用免疫系统的特性,借助aiNet进行分级概念聚类.     

一种混合的垃圾邮件过滤算法研究

贝叶斯邮件过滤器具有较强的分类能力,极高的准确率,在内容过滤领域占据主导地位。人工免疫系统具备强大的自学习、自适应,鲁棒性等能力,已发展成为计算智能研究的一个崭新的分支。该文在分析贝叶斯的原理和人工免疫的仿生机理的基础上,将贝叶斯与人工免疫相结合,设计和实现了一种基于贝叶斯和人工免疫的混合垃圾邮件过滤算法,并利用现有的垃圾邮件语料库得到预期的实验结果。     

求解协同干扰问题的高效免疫遗传算法

为协同干扰武器目标分配问题建立的数学模型,当问题规模增大时,现有的智能求解算法表现出两点不足,一是所求解质量下降;二是求解速度不可接受。针对该两点不足提出了具有贪婪修复过程的免疫遗传算法,算法设计了通用十进制扩展编码方案、基于免疫的轮盘赌选择算子和贪婪修复算子。仿真实验表明,该算法与现有算法相比具有明显的效率优势,在解决大规模协同干扰武器目标分配问题时不仅解算时间可接受而且所求解质量比同类算法高。     

基于最速下降法的人工免疫算法

由于人工免疫算法受到收敛速度相对较慢,局部搜索能力较弱、求解全局最优解需要的群体规模相对较大等因素的影响,本文将最速下降法与人工免疫算法结合,提出了一种新的混合算法。数值实验结果表明,该算法能够找到更优的优化结果,并且在收敛速度上明显优于传统的人工免疫算法。     

受免疫原理启发的Web攻击检测方法

随着Internet应用的不断深入,Web服务器成为了黑客的主要攻击目标。为克服传统误用入侵检测系统无法识别未知Web攻击和异常入侵检测系统误报率高等缺陷,受生物免疫系统启发,该文提出了一种基于免疫原理的Web攻击检测方法。给出了自体、非自体、抗原、抗体基因库、免疫细胞等的数学定义,描述了免疫学习算法。对比实验结果表明该方法较传统的基于神经网络和ID3算法的Web攻击检测技术能有效检测未知Web攻击,具有检测率和分类率高、误报率低和实时高效等特点,是检测Web攻击的一种有效新途径。     

基于人工免疫原理的群体性突发事件应急预案研究

群体性突发事件和舆情的交织有可能导致严重的衍生危机和灾害,如何预防和减轻灾害的影响,制定合理有效的应急预案是一个重要环节.本文首先从人工免疫原理和作用机制着手,剖析了免疫系统与突发事件应急管理系统的相似之处,并在此基础上构建了针对群体性突发事件和舆情管理的人工免疫应急预案模型.该模型能够处理多渠道的异质舆情,一方面能改善群众因舆情势差造成不恰当的行为态度,进而有效减轻舆情传播和突发事件的扩散;另一方面提供了及时发现、制止群体性突发事件蔓延的有效手段.进一步地,本文还提出了基于人工免疫原理的预防群体性突发事件的相关对策建议.     

基于人工免疫的新型入侵检测系统研究

分析研究了人工免疫原理在网络入侵检测中应用的可行性,结合人工免疫模型和数据挖掘技术建立了一个网络入侵检测系统模型。对抗体生成过程中的关键算法进行了描述。为克服在抗体生成阶段由于采用遗传算子导致时空效率不佳的缺陷,将数据流分割成字符串集合,根据数理统计原理,讨论了分割参数和检测器数目的选定,使它在通用性、鲁棒性上具有优势。     

基于人工免疫的企业流程案例库三级索引框架

根据流程案例的特点,从行业、业务和流程信息化程度3个方面构建三级索引框架,从而能够有效地对流程案例进行分类存储、快速检索与匹配。三级索引机制的核心是基于企业流程信息化程度的第三级索引构建,利用基于人工免疫的aiNet聚类方法的噪声忍耐、自组织、记忆性以及能够有效避免局部最优等方面的特点,对流程案例进行第三级分类,将人工免疫的抗体作为聚类中心,形成流程案例的第三级索引。最后利用105个样本对该三级索引机制的构建过程进行了实证。     

基于免疫的Windows未知病毒检测方法

Windows未知病毒令传统反病毒技术疲于应付、防不胜防,且查杀效果不佳。该文借鉴人工免疫思想,在深入剖析Windows PE病毒逻辑结构基础上,提出利用病毒重定位模块作为病毒基因来生成抗体以检测病毒的方法,且建立了自体与非自体、抗原提呈以及抗体生成的动态演化数学模型。实验表明,该方法对于未知WindowsPE病毒的检测率较高,且具有自适应、自学习能力。     

基于人工免疫aiNet模型的车牌定位技术

针对传统遗传算法用于车牌定位易于陷入局部最优解的问题,将人工免疫aiNet模型引入到了车牌定位的过程中.首先采用最大类间方差法(OTSU)将采集到的车牌彩色图像转换为灰度图像,然后采用一维滤波器组对灰度图像进行滤波,最后应用人工免疫aiNet模型进行了车牌定位.实验结果表明,该方法适应性强,定位效果好.