面向子空间的否定选择算法

• 作者: 杨韬 邓红莉
• 来源期刊: 计算机应用研究
• 关键词: 人工免疫 否定选择算法 检测器 子空间
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 435-438,443
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.02.027

摘要

传统的否定选择算法无法有效识别落入到低维子空间的样本,导致算法在高维空间检测性能不佳.为此,提出了面向子空间的否定选择算法(subspace-oriented negative selection algorithm,SONSA).在训练常规检测器的基础上,SONSA将搜索样本分布密度较高的低维子空间以进一步训练面向子空间的检测器,从而提高算法对低维子空间内样本的识别能力.实验结果表明,在标准数据集Haberman's Survival(三维)与Breast Cancer Wisconsin(九维)上,相对于经典的V-Detector算法以及采用PCA降维的V-Detector算法,SONSA能在误报率相似的情况下显著地提高检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨韬	西华师范大学实验中心	22	52	4.0	6.0
2	邓红莉	四川大学计算机学院	1	2	1.0	1.0