基于阴性选择算法的改进模型

０ｃ ｔ ． ， ２ ０ １ ６
基 于 阴性 选择 算 法 的 改进 模 型
傅 龙 天 ， 陈腾 林
（ １ ． 福 州外语外 贸学院， 福建 福州 ３ ５ ０ ０ １ １ ； ２ ． 闽江学院 ， 福建 福 州 ３ ５ ０ ０ １ １ ） 摘 要： 人工免疫学 中的阴性选择算法是其核 心算法 ， 在各 行业应 用广泛 。但 其不 足之处也越来 越 明显 ， 例 如在训
第 ３ Ｏ卷第 ５期
２ ０ １ ６年 １ Ｏ月
黑
龙

江
工
程
学
院
学
报
Ｖｏ １ ． ３ Ｏ， ＮＯ ． ５
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｈｅ ｉ ｌ ｏ ｎ ｇ ｊ ｉ ａ ｎ ｇ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
Ｔｈ ｅ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｍｏ ｄ ｅ ｌ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｎ ｅ ｇ ａ ｔ ｉ ｖ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
Ｆ Ｕ Ｌｏ ｎ ｇ ｔ ｉ ａ ｎ ，ＣＨ ＥＮ Ｔｅ ｎ ｇ ｌ ｉ ｎ
练样本选择方面 、 训练学 习算法方面 ， 都有可能影 响检测精 度 。训练学 习算法 中引入半 监督 学习机制 ， 并在 样本选
择上扩展训练样本来源 ， 使训练学 习更有针对性 。仿真实验证 明改进后 的模型能提 高检测率 ， 并具备较 强的 自适应
能力 。 关键词 ： 阴性 选 择 算 法 ； 人工免疫 ； 半 监督 学 习 中 图分 类 号 ： Ｔ Ｐ ３ ０ １ ． ６ 文 献标 识 码 ： Ａ 文章编号 ： １ ６ ７ １ — ４ ６ ７ ９ （ ２ ０ １ ６ ） ０ ５ — ０ ０ ５ ０ — ０ ４
（ １ ． Ｆ ｕ ｚ ｈ ｏ ｕ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｉ ｎ ｔ ｅ ｒ ｎ ａ ｔ ｉ ｏ ｎ ａ ｌ Ｓ ｔ ｕ ｄ ｉ ｅ ｓ ａ ｎ ｄ Ｔｒ ａ ｄ ｅ ， Ｆ ｕ ｚ ｈ ｏ ｕ ３ ５ ０ ０ １ １ ， Ｃ ｈ ｉ ｎ ａ ； ２ ． Ｍｉ Ｎｉ ａ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｆ ｕ ｚ ｈ ｏ ｕ ３ ５ ０ ０ １ １ ， Ｃ ｈ ｉ ｎ ａ ）
１ ９ ７ ４年丹 麦学 者 Ｊ ｅ ｍｅ 提 出 了第 一个 人 工免 疫
的误 检 、 漏检 现象 。
数学模 型［ １ ］ ， 后来 Ｆ ｏ ｒ ｒ ｅ ｓ ｔ 等［ ２ ≈ ］ 提出了阴性选择算
法和计 算机 免疫 学概 念 ， Ｌ ｅ ｅ等ｌ ４ ］ 人 通 过 从程 序 入 口点 开始 提取一 系 列 字符 串 区分 自体 与非 自体 ， 以 实现 病 毒 检 测 ， 推 动 了 计 算 机 免 疫 系 统 的全 面 发 展 。虽然 到 目前 为止 阴 性 选 择 算 法 在 各 领 域 解 决 了很 多 问题 ， 但算法本 身仍然存在一些 不足之处 ， 例￣ ｎ ｉ Ｊ Ｊ ｌ 练成熟检测器 时， 当训 练 样 本 （ 已知 的 自我 集） 比较少 ， ￣ Ｐ ｉ Ｊ Ｉ Ｉ 练 学 习 不够 充 分 ， 可 直 接 影 响检 测 精度 。只有在 理想 状 态 下 ， 随 机 生成 的未 成 熟 检测
ｍｏ ｄ ｅ ｌ ｃ ａ ｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｒ ａ ｔ ｅ ，ａ ｎ ｄ ｈ ａ ｖ ｅ ｓ ｔ ｒ ｏ ｎ ｇ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｃ ａ ｐ ａ ｃ ｉ ｔ ｙ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｎ ｅ ｇ ａ ｔ ｉ ｖ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ；ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ ｉ ｍｍ ｕ ｎ ｅ ；ｓ ｅ ｍｉ — ｓ ｕ ｐ ｅ ｒ ｖ ｉ ｓ ｅ ｄ ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ ｉ ｍｍｕ ｎ ｏ ｌ ｏ ｇ ｙ ｌ ｏ ｙ ａ ｌ ｔ ｙ ｉ ｓ ｔ ｈ ｅ ｃ ｏ ｒ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｆ ｎ ｅ ｇ ａ ｔ ｉ ｖ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ， ｗｈ ｉ ｃ ｈ ｈ ａ ｓ ｂ ｅ ｅ ｎ ｗｉ ｄ ｅ ｌ ｙ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｔ ｏ ｖ ａ ｉ ｒ ｏ ｕ ｓ ｉ ｎ ｄ ｕ ｓ ｔ ｒ ｉ ｅ ｓ ．Ｂｕ ｔ ｉ ｔ ｓ ｄ ｅ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｙ ｉ ｓ ｂ ｅ ｃ ｏ ｍｉ ｎ ｇ ｍｏ ｒ ｅ ａ ｎ ｄ ｍｏ ｒ ｅ ｎ ｏ ｔ ｉ ｃ ｅ ａ ｂ ｌ ｅ ，ｓ ｕ ｃ ｈ ａ ｓ ｔ ｈ ｅ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｓ ａ ｍｐ ｌ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｌ ｅ ａ ｒ ｉｎ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｍ ｈ ａ ｒ ｅ ｌ ｉ ｋ ｅ ｌ ｙ ｔ ｏ ｉ ｎ ｆ ｌ ｕ ｅ ｎ ｃ ｅ ｔ ｈ ｅ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｏ ｆ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ． Ｌｅ ａ ｒ ｎ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｍ ｈ ｉ ｓ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ａ ｓ ａ ｓ ｅ ｍｉ － ｓ ｕ ｐ ｅ ｒ ｖ ｉ ｓ ｅ ｄ ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ ｍｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ，ｏ ｆ ｗｈ ｉ ｃ ｈ ｔ ｈ ｅ ｔ ｒ ａ ｉ ｉｎ ｎ ｇ ｓ ａ ｍｐ ｌ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｉ ｎ ｔ ｈ ｅ ｓ ｍ ｐ ａ ｌ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ｉ ｓ ｅ ｘ ｐ ａ ｎ ｄ ｅ ｄ ｔ ｏ ｍａ ｋ ｅ ｔ ｈ ｅ ｔ ｒ ａ ｉ ｉｎ ｎ ｇ ｍｏ ｒ ｅ ｔ ａ ｒ ｇ ｅ ｔ ｅ ｄ ．Ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｐ ｒ ｏ ｖ ｅ ｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ