基于检测器集层次聚类的否定选择算法

摘要

传统的否定选择过程需要将全部检测器与测试数据进行匹配以排除异常数据,该匹配过程需要花费大量时间,导致检测效率过低.为此,提出一种基于检测器集层次聚类的否定选择算法.对生成的检测器进行层次聚类,减少需要计算距离的检测器数量,不再将与检测器不匹配的数据标记为正常数据,而是基于该数据与自体集和检测器集距离的计算结果将其标记为正常数据或异常数据.实验结果表明,与V-detector算法和免疫实值否定选择算法相比,该算法的检测效率显著提高,误检率明显降低.