面向异常检测的树突状细胞算法研究

发布时间：2023-11-05 13:40

　　树突状细胞算法(Dendritic Cell Algorithm,DCA)是基于树突状细胞的生物功能而建立,具有计算规模较小、识别能力较强、无需大量训练样本等优点,已被成功应用到异常检测、图像分类和故障诊断等领域。但该算法因提出时间不长,在优化改进和推广应用中还有较大研究空间。基于此,本文以优化改进DCA为主,并将其用于异常检测中。主要工作如下:1.用于无序数据集的改进树突状细胞算法针对DCA对输入数据顺序敏感而导致其在无序数据集上检测性能不理想的问题,提出了一种用于无序数据集的改进DCA。首先分析了 DCA对输入数据顺序敏感的原因;接着将抗原与输出信号融合作为输入数据,并且规定每个DC只采集与其编号相同的一类数据,从而避免了数据间的相互干扰;最后依据细胞环境值评判抗原。实验结果表明:该算法的检测性能不受数据顺序的影响,而且算法在无序数据集上的检测性能优于标准DCA和其他方法,精确度、误报率和漏报率分别为91.14%、5.29%和3.57%。2.基于主成分分析的改进树突状细胞算法为了实现自动降维和改善算法在无序数据集上的检测性能,通过引入主成分分析法和建立所选主成分与输入信号的对应关系...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与科学意义
    1.2 国内外研究进展
        1.2.1 DCA的优化改进研究
        1.2.2 DCA的推广应用研究
    1.3 论文研究内容
    1.4 论文结构安排
    1.5 本章小结
2 异常检测与树突状细胞算法
    2.1 异常检测
        2.1.1 相关概念
        2.1.2 主要方法
        2.1.3 性能评价指标
    2.2 异常检测与生物免疫的相似性
    2.3 树突状细胞算法
        2.3.1 DC的生物机理
        2.3.2 DCA的基本原理
        2.3.3 DCA的实施步骤
        2.3.4 优点与局限
    2.4 本章小结
3 用于无序数据集的改进树突状细胞算法
    3.1 算法的改进
        3.1.1 基于输入信号计算方法的改进
        3.1.2 基于检测过程的改进
    3.2 算法的实现过程描述
    3.3 实验设置
    3.4 实验结果与分析
        3.4.1 分析数据顺序对算法性能的影响性
        3.4.2 分析信号转换公式和权值矩阵对算法性能的影响性
        3.4.3 与其他方法的比较
    3.5 本章小结
4 基于主成分分析的改进树突状细胞算法
    4.1 算法的改进
        4.1.1 基于降维方法的改进
        4.1.2 基于信号分类方法的改进
    4.2 算法的实现过程描述
    4.3 实验设置
    4.4 实验结果与分析
        4.4.1 特征降维
        4.4.2 参数分析
        4.4.3 与其他方法的比较
    4.5 本章小结
5 总结与展望
    5.1 本文主要工作及结论
    5.2 未来工作展望
致谢
参考文献
附录



本文编号：3861141