大数据驱动下复杂网络输入节点在线筛选

作者：何康乐

来源：计算机仿真, 2019, 36(04): 252-264.

• 大数据
• 复杂网络
• 输入节点
• 筛选

针对当前网络输入节点筛选方法筛选准确性差、耗时长的问题,提出基于人工免疫的复杂网络输入节点在线筛选方法。利用网络节点特征子集的评估函数将网络输入节点数据中的冗余特征去除,采用INTERACT算法分析网络输入节点属性对称不确定性和属性一致性,设定判定阈值,将属性一致性小于阈值的节点数据移除,实现网络输入节点贡献值的判定。将节点的去冗和贡献值计算结果引入离差归一化中,完成网络输入节点数据样本集合归一化。将网络取证信息数据流中样本当作抗原,并将抗原动态作用域的B细胞(DIB)直接添加至人工免疫网络。对抗原和人工免疫网络的子网隶属度比较大时的DIB刺激度进行计算,根据计算结果对DIB的作用域半径进行修正,克隆和变异DIB,同时抑制免疫网络,以此得到新免疫网络。利用新免疫网络实现抗原分类,设置节点过滤阈值判据,将抗原数目比判据大的聚类筛选掉。实验结果表明,上述方法筛选准确率平均为97%,且筛选耗时短,具有一定的实际意义。