论文部分内容阅读
基于云模型在处理随机与模糊现象方面的优良特征,本文通过查阅国内外资料,深入研究了云模型理论以及免疫检测理论,并把云模型理论引入到免疫检测算法中。对逆向云生成算法进行改进,提高算法的精度;用云模型理论生成检测器集合,提高检测器集合的自适应性;设计基于云模型理论的免疫检测算法,提高检测效率;最后对疫苗理论进行了分析,设计云疫苗算子,加入到检测器集合中,提高检测的二次应答时间。本文的主要工作:1、介绍正态云模型的定义以及性质、正向云生成算法和逆向云生成算法,并重点分析了逆向云生成算法,针对曲线拟合逆向云生成算法中拟合初值的随机选取导致实验结果不稳定的问题,对逆向云算法改进算法,用相关函数对拟合初值的选取进行优化,并用MATLAB进行仿真,结果表明改进算法能提高算法的稳定性以及拟合参数的精度。2、研究云模型的随机性和模糊性以及两者的关联性,并对人工免疫的相关算法进行了深入分析,结合阴性选择算法中检测器的生成方法,用云模型理论生成检测器集合,使生成的检测器集合具有自适应性,并验证了此检测器集合的覆盖率。3、在对可变模糊匹配阴性选择算法深入研究的基础上,用云模型理论解决免疫检测算法中的不确定性问题,通过定义抗原类别属性的云模型,用多个检测器对同一个不确定性抗原x进行检测,再用逆向云改进算法对检测结果进行统计分析,联合判断抗原的属性,并把云模型检测算法运用到文本检测以及C目标文件的检测中,进行仿真验证,提高检测效率。4、为进一步提高检测的效率以及准确度,在检测后期,提取疫苗算子,并利用云模型的随机性及模糊性,生成云疫苗算子,并加入到检测器集合,使检测器集合具有一定的针对性。在对抗原进行检测时首先采用云疫苗算子的针对性检测,从而缩短二次应答时间,并通过仿真验证检测效率。