一种半径自适应的混合检测器生成方法技术

一种半径自适应的混合检测器生成方法，首先根据某一自我样本点不同方位自我样本点的分布情况生成半径不同的自我检测器，减少自我样本点中间的漏洞和自我样本点的个数；再通过自我样本点的分布疏密程度自适应非自我检测器最小半径，从而免去代码使用前对最佳半径参数的实验及调节；而后由远及近生成非自我检测器，减少非自我检测器的个数和重叠率。本发明专利技术提供了一种检测率较高、虚警率较低、误判率较低的半径自适应的混合检测器生成方法。

【技术实现步骤摘要】

本专利技术涉及一种检测器生成方法。
技术介绍
人工免疫系统是对生物免疫系统的模拟，具有学习能力、记忆能力和强大的信息处理能力。否定选择算法(negative selection algorithm,NSA)是人工免疫理论中的一种重要的检测器生成方法，它具有识别自体和异常的能力。但是传统的否定选择算法由于半径固定，使得检测器漏洞多，检测器重叠率高，检测器个数多，检测率低等问题。近几年来，随着人们对否定选择算法的关注度越来越高，更多研究人员注意并实践了NSA算法，在证明了这是一种有效的异常检测方法的同时也提出了各种不同的NSA算法。长度可变的否定选择算法(V-detector NSA)是利用根据检测器中心和自我样本之间的距离，改变非自我检测器的半径，从而提高了检测率。深层训练否定选择算法(further training NSA)是在V-detector的基础上生成了自我检测器，通过样本点和自我检测器、非自我检测器之间的距离共同判断样本点是否异常，从而提高检测率、减小虚警率。二次否定选择算法通过排除被已有非自我检测器覆盖的非自我检测器，解决了成熟的非自我检测器之间的相互覆盖问题，减少了本文档来自技高网...

【技术保护点】
一种半径自适应的混合检测器生成方法，其特征在于：所述生成方法包括如下步骤：第一步，根据某一自我样本点不同方位自我样本点的分布情况生成半径不同的自我检测器，过程如下；1.1 计算自我样本分布情况，过程如下：①设样本点之间的单位距离为层数uint，分为a个方向，最多为b层；②计算样本之间的真实距离为dist；③自我样本之间的层数为dist3＝dist/unit结果取整，若层数大于b则舍去；④计算样本之间的方位x；⑤计算样本点的存放位置place＝(x‑1)*b+y；1.2 计算样本半径r并生成自我检测器，过程如下：①令自体样本点层数为r＝b；②若某一角度的连续两层小于同层自体样本点数量的均值则不为...

【技术特征摘要】
1.一种半径自适应的混合检测器生成方法，其特征在于：所述生成方法包括如下步骤：第一步，根据某一自我样本点不同方位自我样本点的分布情况生成半径不同的自我检测器，过程如下；1.1 计算自我样本分布情况，过程如下：①设样本点之间的单位距离为层数uint，分为a个方向，最多为b层；②计算样本之间的真实距离为dist；③自我样本之间的层数为dist3＝dist/unit结果取整，若层数大于b则舍去；④计算样本之间的方位x；⑤计算样本点的存放位置place＝(x-1)*b+y；1.2 计算样本半径r并生成自我检测器，过程如下：①令自体样本点层数为r＝b；②若某一角度的连续两层小于同层自体样本点数量的均值则不为边界；③若当前层数j小于最大层数r，则最大层数r＝...

【专利技术属性】
技术研发人员：陈晋音，苏蒙蒙，章涛，吴洋洋，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33