一种基于网格的实值负选择异常检测算法

负选择算法是人工免疫系统的主要算法之一。 但是，由传统的阴性选择算法随机生成的候选检测器需要对训练集中的所有自我进行自我容忍，以消除免疫React。 匹配过程是主要的时间成本，这导致检测器的生成效率低和免疫算法的应用限制。 提出了一种新的算法GB-RNSA。 该算法分析了真实空间中自集合的分布，并以n维[0，1]空间为最大网格。 然后，将最大的网格划分为有限数量的子网格，同时将自己填充到相应的子网格中。 随机生成的候选检测器仅需要匹配检测器所在的网格中及其邻近网格中的自我，而不是所有自我，这可以减少距离计算的时间成本。 并且在将候选检测器添加到成熟的检测器集中之前，采用某些方法来减小检测器之间的重复覆盖，这使得尽可能少的检测器覆盖非自身空间。 理论分析和实验结果表明，GB-RNSA减少了检测器的数量，时间复杂度和误报率。