袁 嵩

（1.武汉科技大学计算机科学与技术学院，湖北 武汉430065；

2.智能信息处理与实时工业系统湖北省重点实验室，湖北 武汉430065）

1 引言

树突状细胞算法 DCA（Dendritic Cell Algo－rithm）［1］是受自然免疫系统中树突状细胞DC（Dendritic Cell）［2，3］的功能启发，对其抗原提呈行为进行抽象建模而衍生的人工免疫算法，已用于解决各类问题，特别是应用于异常检测领域［4，5］。DC的整个生物机制中存在着大量的生物要素，其中危险信号的融合及内部信号的生成是非常复杂的过程，至今仍有许多未知领域［6］。DCA是基于如此复杂生物机制的高度随机算法，涉及较多的相互作用成分和参数，所以难以对算法进行分析和控制。目前，对DCA的研究主要集中于提高检测精度和简化参数等方面［7，8］，针对 DCA参数敏感性分析和对检测结果灵活控制的研究还很少。

为了对检测结果误报率和漏报率进行有效的调控，本文从DCA权值矩阵对检测结果的影响入手，针对DC对细胞环境的评判准则提出倾向因子的概念，并将其融入到DC的状态转化机制中，设计一种改进的“投票制”DCA；作为投票制DCA设计思路的自然延伸，将DC对细胞环境的评判方式从投票改为打分，设计一个“评分制”DCA。本文给出了两种算法的设计思路和调控机制，并通过实验验证了算法的有效性和可控性。

2 传统DCA

DC在免疫过程中根据不同的生存环境呈现出三种不同的状态：未成熟状态、半成熟状态和成熟状态。DC被抽象为一个信号处理器，对输入信号进行融合处理得到输出信号来决定DC的状态，再根据DC的状态评价抗原的异常程度。……