داده کاوی بااستفاده ازالگوریتم ژنتیک وانتخاب کلونال وانتخاب منفی
عنوان مقاله: داده کاوی بااستفاده ازالگوریتم ژنتیک وانتخاب کلونال وانتخاب منفی
شناسه ملی مقاله: BPJ01_132
منتشر شده در اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات در سال 1392
شناسه ملی مقاله: BPJ01_132
منتشر شده در اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات در سال 1392
مشخصات نویسندگان مقاله:
مهدی صالحی - موسسه آموزش عالی بصیر آبیک
زهرا آقانبی دولابی - موسسه آموزش عالی بصیر آبیک
خلاصه مقاله:
مهدی صالحی - موسسه آموزش عالی بصیر آبیک
زهرا آقانبی دولابی - موسسه آموزش عالی بصیر آبیک
این مقاله یک روش جدیدبرای تشخیص ویروسهای کامپیوتر براساس مدل سازی سازه ها ازالگوی زندگی واقعی ارایه میدهد که دربدن تمام موجودات زنده وجود دارد هدف این مقاله توسعه الگوریتم براساس مفهوم سیستم ایمنی مصنوعی AIS به منظور تشخیص ویروس است این الگوریتم ویروس الگوریتم تشخیص کلونال VDCنامیده میشود و ازانتخاب کلونال مشتق شده است الگوریتم VDC شامل سه گام اساسی شبیه سازی جهش بیش ازحدوانتخاب مجددتصادفی است مرحله بعدتوسعه الگوریتم VDC است که متشکل ازدومرحله یادگیری و ازمایش است وبراساس دوپارامتراصلی تعیین اعتبارمیشود یکی ازمراحل تنظیم تعدادامضا درهرکلون چربی و دیگری تعریف احتمالهای جهش PM و الگوریتم ژنتیک GA رابه عنوان ابزاری برای ایجادنتایج بهتر مورد استفاده قرارمیدهد مشکلی که درالگوریتم های قبلی وجودداشت نرخ تشخیص کاذب بالا بوده که نتایج بدست امده نشان میدهد که سرعت تشخیص ویروس ها با استفاده ازالگوریتم توسعه یافته 94.4 درصد است درحالیکه نرخ تشخی صمثبت کاذب به 0درصد رسیده است علاوه براین نتایج حاصل ازاستفاده ازGA برای بهینه سازی الگوریتم VDC نشان دهنده بهبودس رعت تشخیص الگوریتم VDCاست
کلمات کلیدی: سیستم های ایمنی، الگوریتم ژنتیک، الگوریتم کلونال، انتخاب منفی، داده کاوی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/225399/