树突状细胞算法(DCA)是一种模拟人体免疫系统中抗原提呈的算法,可以快速有效地将输入数据分为正常和异常,然而现有DCA模型普遍存在形式化描述不清晰且信号提取受人工经验影响的不足。为此,在hDCA模型的基础上,提岀一种基于数字微分的函数化DCA模型。在预处理阶段引入数字微分方法,根据数据变化趋势自适应提取信号并随机动态采样抗原,去除对时序敏感的数据序列。在此基础上,对输入信号加以融合得到决策信号,并进行抗原背景环境分类处理。将 ndhdca、DCA和hDCA应用于WBC和KDD99数据集进行对比,实验结果表明, ndhdca对有序数据集和无序数据集均具有高准确率和低误报率,同时可降低输入数据顺序的敏感性。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !