一种基于自体集层次聚类的否定选择算法

Abstract

一种基于自体集层次聚类的否定选择算法器数量为 N 0 = -ln(P f )Pm(1-Pm) Ns , N 0 与自体集的大小 N s 呈指数关系, 算法的时间复杂度为 O(N 0 • N s ) [1] , 检测器的生成代价过大是限制 NNSA 实际应用的主要问题 [3] . 由于实际应用中的大量问题易于在实值空间进行定义和研究, 文献文献 [10, 11] 指出, 在基于距离计算的模式识别算法中, 距离计算是其最主要的时间开销.然而无 论是原始的 NNSA 算法还是 RNSA 算法及其改进 V-detector 都未考虑减少距离计算代价以提高算法 效率: 为训练未成熟的检测器, 否定选择过程必须计算随机生成的候选检测器与全部自体数据间的距 离, 导致算法的时间开销巨大.Stibor 在文献 [3] 中指出, 由于成熟检测器的生成效率过低, 否定选择 算法的执行时间已达到难以承受的地步.本文提出一种基于自体集层次聚类的实值否定选择算法 (real-valued negative selection algorithm based on hierarchical clustering of self set, CB-RNSA): 首先对自体集进行层次聚类处理; 其次在每聚 类层指定的随机值范围内生成候选检测器, 以避免在高覆盖率区域内造成检测器冗余; 候选检测器与 聚类中心而非自体集进行匹配以减少距离计算的时间代价, 提高检测器生成效率; 算法以期望的检测 器非自体空间覆盖率作为中止条件. NSA 的基本定义及问题免疫是机体依靠抗体细胞识别自体 "(self)" 和 "非自体 (nonself)" 排除抗原性异物以维持机体生 理平衡和稳定的过程 [12] .人工免疫理论中, 抗体被定义为检测器 (detector).检测器用于对非自体抗 原进行检测与识别, 其质量决定了免疫检测结果的准确性和有效性 [6∼9] .然而, 随机生成的候选检测 器可能识别自体空间中的抗原而发生免疫自反应 (self reaction) [13,14] .受生物体内新生成的免疫细胞 经历自体耐受过程而成熟的启发, Forrest 等 [1] 提出了否定选择算法以排除发生自反应的检测器.否 定选择算法中的基本概念定义如下:p) = dis(d, s) -r s .根据假设可得 dis(d, p) > r + r s -r s = r, 由定义 3 可知 p 将被检测器 d 识别为自体元素.由于 s 的自体范围内任意 元素与 d 的距离均大于 dis(d, p), 因此检测器 d 在其识别范围内避免了免疫自反应.证毕.