用于异常检测的进化非选择算法性能分析

来源 :浙江大学 | 被引量 : 0次 | 上传用户:sqs292241644
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
进化非选择算法是基于生物免疫进化机制和免疫非选择机制而提出的,其已被应用于异常检测问题。本文主要对进化非选择算法用于异常检测时的平均时间复杂度进行分析;并从理论上对比分析了自我检测器集和非我检测器集用于异常检测时的效率问题。对进化非选择算法用于异常检测时的理论分析有助于对算法和异常检测问题的理解;并且在解决不同的异常检测问题时,有助于选择合适的算法。本文的具体工作包括以下几个方面。(1)从理论和实验角度分析了进化非选择算法用于异常检测时的平均时间复杂度。首先,根据进化非选择算法的特性,将异常检测问题分成了两种不同的情况,即无gap情况和有gap情况。然后,当采用完全匹配策略时,在检测个体的每一位都以O (l ?1)的概率进行变异的条件下,分别分析了进化非选择算法用于两种不同的异常检测问题时的平均时间复杂度。最后,通过实验分别对无gap情况和有gap情况进行了验证,得出理论结果和试验结果是基本一致的。(2)当采用完全匹配策略时,对比分析了自我检测器集和非我检测器集用于异常检测时的平均时间复杂度。首先分别计算自我检测器集和非我检测器集用于异常检测时所需要的平均时间复杂度。然后通过对比分析,得出在解决不同的异常检测问题时,是自我检测器集还是非我检测器集更加有效。通过分析的结论可以得出,自我检测器集的大小、非我检测器集的大小和异常发生的概率都对检测器集的选择有影响。本文的实验结果验证了此理论结果的正确性。最后讨论了在使用进化非选择算法和并行工作站两种情况下的不同检测器集的平均时间复杂度。(3)在采用部分匹配策略的条件下,对比分析了自我检测器集和非我检测器集用于异常检测时的平均时间复杂度。首先分别计算自我检测器集和非我检测器集用于异常检测时所需要的平均时间复杂度。然后通过对比分析,得出了在采用部分匹配时的自我检测器集和非我检测器集的效率对比情况,并从实验角度验证了结论的正确性。总的来说,本文分析了进化非选择算法用于异常检测时的平均时间复杂度;并对自我检测器集和非我检测器集用于异常检测时的平均时间复杂度进行了对比分析。本文的工作不仅对进一步理解进化非选择算法的求解效率具有参考价值,而且有利于促进基于生物免疫原理的异常检测算法的研究。
其他文献
深度学习作为机器学习领域的一个重要研究方向,在近年来发展迅速。深度学习的主要思想是通过构建多层的深度网络结构,使用高效的算法逐级提取数据的高级特征,来完成多种无监
SOA(Service Oricented Architecture面向服务的架构)基于这样的理念:将业务功能作为一系列的服务而提供,并将这一系列服务组装起来的解决方案来满足特定业务需求。SCA(Service
计算机支持的协同设计(Computer Supported Collaborative Design,CSCD)已经成为网络环境下数字化设计与制造的关键技术之一,能够较大幅度地缩短产品设计周期,降低产品开发成
随着Web服务技术的发展,越来越多的服务提供方以Web服务形式提供服务,当单个简单Web服务无法满足需求时,需要组合多个Web服务来完成,在组合过程中如何高效准确组合现有服务成
移动增值业务结合了互联网与移动通信的技术优势,在满足人们随时随地获取信息需求的同时,还可以提供除语音业务外的多媒体业务、交互式数据业务、电子商务等其它丰富的业务应
程序验证用逻辑证明的方法证明程序满足其规范,是实现安全性的重要方法。出具证明编译器(Certifying Compiler)是编译器与验证器的结合。本文描述的出具证明编译器项目CComp让
分类问题是模式识别的核心研究内容,其目的是通过对己知标签数据集的学习设计一个分类器,然后用该分类器来预测新样本的标签。按照样本所属标签个数,分类问题可以分为单标签
网格技术的提出为互联网络中资源共享、大规模计算应用的解决提供了很好的支撑平台,但是网格环境本身固有的动态性、异构性等特点,又给网格作业的调度带来了不小的难度,因而
XML作为新一代的数据交换标准,在网络上的应用越来越多,由此也产生了大量的XML数据。如何对XML数据进行有效的查询处理成为现在研究的热点。而XML作为半结构化数据具有自定义
计算机在不同行业的广泛使用,需要大量的软件作为支撑,越来越多的软件企业发现按照传统的一次开发一个软件的方式已经不能满足需求,它们需要提高软件开发的效率,而基于生产线