基于免疫进化的算法及应用研究PDF电子书下载

1 绪论 1

1.1 引言 1

1.2 生物免疫系统 1

1.2.1 生物免疫系统的组成 3

1.2.2 生物免疫系统的层次结构 4

1.2.3 生物免疫系统的免疫机制 5

1.2.4 生物免疫系统的免疫理论 13

1.2.5 生物免疫系统的主要特征 14

1.3 人工免疫系统研究概况 15

1.3.1 人工免疫系统的主要算法 16

1.3.2 人工免疫系统的基本模型 20

1.3.3 人工免疫系统的应用 51

1.4 本书的研究内容与组织结构 53

参考文献 56

2 基于网格的实值否定选择算法 65

2.1 引言 65

2.2 RNSA的基本定义 66

2.3 GB-RNSA的实现 68

2.3.1 GB-RNSA算法的基本思想 68

2.3.2 网格生成策略 70

2.3.3 非自体空间的覆盖率计算方法 73

2.3.4 候选检测器的过滤方法 74

2.3.5 时间复杂度分析 75

2.4 实验结果与分析 76

2.4.1 2D综合数据集 77

2.4.2 UCI数据集 78

2.5 本章小结 84

参考文献 85

3 基于免疫的网络安全态势感知模型 88

3.1 引言 88

3.2 网络安全态势感知研究现状 93

3.3 基于免疫的网络安全态势感知模型框架 98

3.4 入侵检测 99

3.4.1 抗体和抗原 99

3.4.2 亲和力计算 100

3.4.3 血亲类和血亲类系 100

3.4.4 血亲类系的浓度计算 101

3.4.5 云模型建模 102

3.4.6 总体流程 103

3.5 态势评估 107

3.6 态势预测 109

3.7 实验结果与分析 111

3.7.1 实验环境和参数设置 111

3.7.2 检测率TP和误报率FP对比 112

3.7.3 攻击强度与安全态势对比 115

3.7.4 安全态势实际值与预测值对比 117

3.8 本章小结 117

参考文献 118

4 基于免疫的云计算环境中虚拟机入侵检测技术研究 122

4.1 引言 122

4.1.1 云计算的概念及面临的安全问题 122

4.1.2 云计算环境中虚拟机系统安全研究现状 124

4.2 模型理论 126

4.2.1 架构描述 127

4.2.2 模型定义 128

4.2.3 危险信号的实现机制 130

4.2.4 信息监控的实现机制 132

4.2.5 免疫演化模型 133

4.3 模型性能分析 135

4.4 实验结果与分析 140

4.4.1 模型性能评估 140

4.4.2 检测率和误报率比较 143

4.5 本章小结 145

参考文献 146

5 基于免疫网络的优化算法研究 149

5.1 优化问题的研究现状 149

5.1.1 最优化问题 149

5.1.2 优化算法 151

5.1.3 聚类问题 153

5.1.4 聚类算法 154

5.2 免疫网络理论研究 155

5.2.1 Jerne 独特型免疫网络 155

5.2.2 aiNet网络模型 157

5.2.3 RLAIS网络模型 160

5.2.4 opt-aiNet优化算法 162

5.3 基于免疫网络的优化算法研究 164

5.3.1 流程描述 164

5.3.2 算子描述 165

5.3.3 特点分析 170

5.3.4 收敛性分析 171

5.3.5 进化机制分析 175

5.3.6 性能测试 186

5.4 本章小结 193

参考文献 193

6 基于免疫网络的优化算法的改进研究 197

6.1 引言 197

6.2 一种基于危险理论的免疫网络优化算法 197

6.2.1 流程描述 198

6.2.2 优化策略 200

6.2.3 算法特点 206

6.2.4 算法收敛性分析 207

6.2.5 算法计算复杂度分析 208

6.2.6 算法鲁棒性分析 208

6.2.7 仿真结果与分析 211

6.3 一种基于危险理论的动态函数优化算法 216

6.3.1 动态环境的基本概念 216

6.3.2 动态优化算法的研究 216

6.3.3 流程描述 218

6.3.4 优化策略 219

6.3.5 仿真结果与分析 220

6.4 本章小结 227

参考文献 227

7 基于免疫网络的增量聚类算法研究 230

7.1 引言 230

7.2 一种基于流形距离的人工免疫增量数据聚类算法 231

7.2.1 流形距离 231

7.2.2 人工免疫响应模型 232

7.2.3 算法描述 234

7.2.4 基于流形距离的簇选择 234

7.2.5 基于流形距离的簇生成 235

7.2.6 基于流形距离的簇更新 236

7.2.7 算法的计算复杂度分析 237

7.3 仿真结果与分析 237

7.3.1 数据集及算法参数 237

7.3.2 人工数据集测试结果 239

7.3.3 UCI数据集测试结果 242

7.4 本章小结 243

参考文献 243

8 总结与展望 246

8.1 工作总结 246

8.2 进一步的研究工作 248