一种优化黑洞覆盖的阴性选择算法

４ ２
哈尔滨师范大学 自然科学学报
２ ０ １ ５年 第 ３ １卷
本较 少 时生成 的成 熟检 测器 也较 少 ， 这 对检 测 精
器ｈ ， 即利用 数据 集 Ｄ 形 成新 的分类 器 ， 用 于融 合 弱分 类器 的预 测结 果 ， 描述 如下所 示 ：
ｈ ＝ （ Ｄ ） （ ４ ）
法 描述 如下 ：
法和计算机免疫学概念 ， 从此推动 了计算机免疫 学 的全 面发展 ， 例如 Ｌ ｅ ｅ 等＿ ４ Ｊ 学 者 利 用 免疫 学
原 理 实现 计算 机病 毒检 测 ． 虽然 人 工 免疫 原 理在
各 个领 域 获得很 大 的成 功 ， 但本 身 仍 然存 在 一些 不足 之处 ， 例 如 自体耐 受过 程 在初 始 阶段 学 习 不 充分 ， 匹 配规 则 采 用 固定 阀值 导 致 黑 洞 问题 等 ． Ｗａ ｔ ｋ ｉ ｎ ｓ和 Ｔ ｉ ｍ ｍｉ ｓ 对 阴性 选 择算 法 （ Ｎ ｅ ｇ ａ ｔ ｉ ｖ ｅ
第３ １卷 第 １期
哈尔滨师范大学 自然科 学学报
ＮＡＴ ＵＲ ＡＬ Ｓ Ｃ Ｉ ＥＮＣ Ｅ Ｓ Ｊ ＯＵＲＮ ＡＬ Ｏ Ｆ ＨＡＲＢ Ｉ Ｎ ＮＯＲＭＡＬ ＵＮＩ ＶＥ ＲＳ Ｉ Ｔ Ｙ
Ｖ ｏ １ ． ３ １ ． Ｎ ｏ ． １ ２ ０ １ ５
一Байду номын сангаас
种 优 化 黑 洞 覆 盖 的 阴性 选 择 算 法 木
训练 样 本来 源 ； 其 次 在 自体 耐 受 学 习 中过程 引 人 集成 学 习 中的 Ｓ ｔ ａ ｃ ｋ ｉ ｎ ｇ算 法 ； 匹 配规 则 调整 为 可
收 稿 日期 ： ２ ０ １ ４一 Ｏ ９—２ ５
国家青年基金 （ ６ １ ３ ０ ０ １ ５ ６ ） ； 福建省教育厅项 目资助 （ Ｊ Ｂ１ ０ １ １ ９）
待 检 样本 ， 采用 ｒ 一连 续位 匹配 规 则检 测 待 检样
定 的效果 ， 但 多 数 只考 虑 了 问题 局 部 ， 未 做 全
局考 虑 ， 例如 黑洞 的产生根 源 不 只是 匹 配 阀值 的
问题 ， 还 和训 练 样 本 来 源有 关 系． 该 文 首 先 扩 展
本， 如 果 匹配成 功 ， 则 认 为识别 了该 待检 样本 ． 阴性选 择 算 法 从 诞 生 到 现 在 成 功地 应 用 到 了各行 各业 ， 取 得 了 良好 的效 果 ， 但 也暴 露 出 了 其 不 足之处 ， 主 要 表 现在 三个 方 面 ： 首先 训 练样
Ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ Ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ） 进 行 了并 行 性 改 造 ， 增 强 了
算法 的并 行 能力 ； 舒才 良等 提 出了在 数据 不 完
步骤 １ ： 从 系统 自动 随机 生 成 初 始 化训 练样
备情况下 的改进算法 ， 引入 了分类器融合投票决
【 关键词】阴性选择算法； 人工免疫； 集成学习
中图分类号 ： Ｔ ｌ Ｙ ３ 文献标识码 ： Ａ 文章编号 ： １ ０ ０ ０— ５ ６ １ ７ （ ２ ０ １ ５ ） Ｏ １ — ０ ０ ４ １— ０ ４
变 阀值 ． 通过 三 个 方 面 的改 进 来 提 高 检 测 精 度 ，
度有很大的影响 ， 只有在成熟检测器越来越多 的 情况 下 ， 检测 精 度 才 令 人 满 意 ； 其 次 未 成 熟 检 测
器 的来 源是 随 机 生 成 的 ， 训练样本不够典型 ， 代
表性 不 强 ， 这样将不可避免地产生黑洞 ； 再 次 阴 性 选择 算法 采用 ｒ 一连续 位 （ ｒ —ｃ ｏ ｎ ｔ ｉ ｇ ｕ ｏ ｕ ｓ ｂ ｉ ｔ ｓ ） 匹
否 则存 活 ， 形 成若 干成 熟 检测器 ．
步骤 ２ ： 经过 步骤 １的多次重 复迭 代 ， 生 成数
量 足够 的成 熟 检测器 ．
配 阀值 ， 来解 决成 熟 检测器 生 成效 率 低 和容 易 产 生黑 洞 问题 ． 上述 学 者 的各 种 改进 措 施 都起 到 了
一
步骤 ３ ： 利 用 步骤 ２获得 的成 熟 检 测 器 检测
策思 想 ； 翟宏 群 等 利 用 模 糊 思 想 ， 采 用 最 优搜 索原 理 对 降 低 黑 洞 数 量 起 了 一 定 的作 用 ； 伍 海 波¨ ９ 通 过 改进 成 熟 检 测 器 的 生 成 机 制 及 改 变 匹
本， 形成 初始 的未 成 熟 检 测 器 ， 当未 成 熟 检 测 器 与 自体 集 中 的样 本 匹配 ， 如 果 匹配 成 功 则 淘 汰 ，
０ 引 言
丹 麦 学者 Ｊ ｅ ｍｅ ｌ ｌ 在１ ９ ７ ４年提 出 了一个 人工
优化 黑洞 覆盖 空 间．
免 疫模 型 ， Ｆ ｏ ｒ ｒ ｅ ｓ ｔ 等 。 后 来 提 出 了 阴性 选择 算
１ 阴性选 择算法及其分 析
自然 界 的生 物 经 过 进 化 大部 分 形 成 了天 然 的免 疫 机制 ， 当抗 原 第 一 次 入 侵 免 疫 系 统 时 ， 生 物体 产 生应激 反 应作 出第 一次 应答 ， 并 学 习完 成 自体 耐 受过 程 ， 产生免疫记忆 ； 当抗 原 再 次 入 侵 时激 发 二次应 答 ， 识 别该 抗 原 １ ． 这 种 学 习 防御 机制 引 入计算 机 领域 后 ， 形 成 了人 工 免疫 识 别 系 统（ Ａ Ｉ Ｒ Ｓ ） ， 阴性 选择 算 法 是其 核 心 算 法之 一 ， 算
傅 龙天 ， 徐 戈 ， 陈滕 林
（ 闽江 学 院 ）
【 摘
要】引入集成学习算法 ， 采用可变匹配阀值策略 ， 从训练样本来源、 自体
耐 受学 习过程 、 匹配规 则等 三 个方 面进 行 改进 ，提 出 了一 个 Ｅ—Ｎ Ｓ Ａ模 型． 仿 真 实
验证 明本 模 型提 高 了检 测 率 ， 优 化 了黑洞覆盖 空间 ， 并 具备 较 强的 自适应 能 力．