Seleção Negativa

Os algoritmos de seleção negativa inspiram-se no processo em que o sistema imunológico faz a maturação das células-T conhecidas também por linfócitos-T, no qual as tornam aptas na detecção dos não-próprios. Assim, o Algoritmo de seleção negativa (NSA), utilizam-se de hiperesferas simbolizando os detectores em um espaço de dados N-dimensional¹.

---

A Seleção Negativa pode ser aplicada em diferentes contextos, tais como:

• Detecção de anomalias
• Classificação

Implementações do pacote:

Algoritmo seleção negativa binária (BNSA)

O algoritmo binário adaptado para múltiplas classes neste projeto tem como base a versão proposta por Forrest et al. (1994)², originalmente desenvolvida para segurança computacional.

Algoritmo seleção negativa de real valor (RNSA)

Este algoritmo possui duas versões diferentes: uma baseada na versão canônica¹ e outra com detectores de raio variável.³ Ambas estão adaptadas para trabalhar com múltiplas classes e possuem métodos para previsão de dados presentes na região não-self de todos os detectores e classes.

Referências

Footnotes

1. BRABAZON, Anthony; O'NEILL, Michael; MCGARRAGHY, Seán. Natural Computing Algorithms. [S. l.]: Springer Berlin Heidelberg, 2015. DOI 10.1007/978-3-662-43631-8. Disponível em: https://dx.doi.org/10.1007/978-3-662-43631-8. ↩ ↩²

2. S. Forrest, A. S. Perelson, L. Allen and R. Cherukuri, "Self-nonself discrimination in a computer," Proceedings of 1994 IEEE Computer Society Symposium on Research in Security and Privacy, Oakland, CA, USA, 1994, pp. 202-212, doi: https://dx.doi.org/10.1109/RISP.1994.296580. ↩

3. Ji, Z.; Dasgupta, D. (2004). Real-Valued Negative Selection Algorithm with Variable-Sized Detectors. In Lecture Notes in Computer Science, vol. 3025. https://doi.org/10.1007/978-3-540-24854-5_30 ↩