论文部分内容阅读
针对树突状细胞算法中信号及参数的定义存在高度随机性，导致检测率较低的问题，提出了一种时间序列数据的异常检测树突状细胞算法。采用多维数据流相关性分析和变化点检测方法对抗原进行检测，遴选出能够反映突变状态的关键点数据作为异常活动候选解；基于变化点子空间追踪算法提取特征集，准确地获取及分类各种输入信号子空间；在算法的上下文评估中加入动态迁移阈值的概念，累积一定窗口时间内的抗原评估，有效减少了误判率。通过仿真实验证明该算法能够利用更少的存储空间和计算资源，有效提高异常检测的检测率与准确率，具有更高的稳定性。