CN102073907A - 一种新型人工免疫系统和基于蚁群优化的检测器集优化方法 - Google Patents
一种新型人工免疫系统和基于蚁群优化的检测器集优化方法 Download PDFInfo
- Publication number
- CN102073907A CN102073907A CN2011100356968A CN201110035696A CN102073907A CN 102073907 A CN102073907 A CN 102073907A CN 2011100356968 A CN2011100356968 A CN 2011100356968A CN 201110035696 A CN201110035696 A CN 201110035696A CN 102073907 A CN102073907 A CN 102073907A
- Authority
- CN
- China
- Prior art keywords
- detection device
- candidate detection
- couple candidate
- pheromones
- antigen
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Catching Or Destruction (AREA)
- Agricultural Chemicals And Associated Chemicals (AREA)
Abstract
本发明的目的是解决人工免疫系统中现有的检测器集优化算法所存在的时间与空间开销大、准确性难以保证等问题,提供一种高效的检测器集优化方法,并构建一种新型的人工免疫系统。
Description
技术领域
本发明属于人工智能领域,涉及其中的人工免疫系统,具体涉及人工免疫系统中检测器的优化方法。
背景技术
人工免疫系统中使用检测器识别非自体,因此如何产生和优化检测器集是关系到人工免疫系统性能和准确性的主要问题。当前已有多种成熟的检测器集产生方法,但检测器集的优化算法还较少。
当前的人工免疫系统在优化检测器集时主要使用免疫反馈算法,定期依据已检查的抗原与各检测器之间的匹配情况改变检测器,重新生成与已检查抗原匹配度较高的新检测器代替现有的检测器。在生成新检测器时,需要判断新检测器是否与自体发生匹配,这需要大量的时间与空间开销;如新检测器与自体匹配则需要重新生成新检测器,从而浪费大量的时间与空间开销。
人工免疫系统中检测器集优化问题的特性分析
出于减少检查抗原所需时间与空间开销的考虑,人工免疫系统中不会保存全部的检测器,仅使用少量的检测器检查抗原,因此优化检测器集的过程实际上是如何从检测器全集中挑选部分最适合的检测器的过程。其具有以下特性:
1、选择性:从检测器全集中选择部分最适合当前检查抗原要求的检测器,避免重新生成检测器所需与自体进行匹配检查所需的时间与空间开销。
2、高效性:优化检测器所需的时间与空间开销较小,从而保证对人工免疫系统的影响较小。
3、动态性:能依据已检查的抗原,不断调整人工免疫系统中的检测器集,使得人工免疫系统在检查抗原时具有较高的准确性。
发明内容
本发明的目的是解决人工免疫系统中现有的检测器集优化算法所存在的时间与空间开销大、准确性难以保证等问题,提供一种高效的检测器集优化方法,并构建一种新型的人工免疫系统。
实现本发明目的的技术方案是,一种新型人工免疫系统和基于蚁群优化的检测器集优化方法,包括下列步骤:1)生成所有可能的检测器构建候选检测器集;2)计算每个候选检测器的信息素;3)定期选择部分候选检测器作为检查抗原所使用的检测器。
所述步骤1)具体包括下列步骤:
1.1)定义变量L保存检测器所包含二进制数的个数,L即表示检测器的长度,(初值由系统在启动前设置确定为大于1的整数);
1.2)设置匹配度阈值P,作为判断检测器是否有效的依据,(初值由系统在启动前设置确定为不小于1的整数);
1.3)随机构建长度是L的二进制串作为初始检测器;
1.4)生成初始检测器;
1.5)计算所有自体(在一定确定的系统中自体的长度都是等长的二进制串)与该初始检测器之间对应位置且相同的子串的最大长度,如均未出现大于或等于P的值,则将该初始检测器作为候选检测器,否则转到步骤1.4)执行;
1.6)如还能生成不同的长度是L的二进制串,则转到步骤1.3)执行,否则结束。
所述步骤2)具体包括下列步骤:
2.1)设置计数器T,作为调整人工免疫系统中检查抗原所用检测器集的周期,(初值由系统在启动前设置确定为大于1的整数);
2.2)设置信息素阈值M,作为信息素计量的最大值,(初值由系统在启动前设置确定为大于0的数);
2.3)定义变量r表示需检查的抗原与候选检测器之间的匹配度;
2.4)定义变量p表示候选检测器用于检查抗原时具有的信息素,(初值设置为0);
2.5)计算抗原与每个候选检测器之间对应位置且相同的子串的最大长度,作为两者之间的匹配度,记录到r中;
2.6)使用公式p+r/L计算出的值更新候选检测器的信息素值(L是检测器所包含二进制数的个数),作为检测器新的信息素值p;
2.7)每检查T个抗原,则执行步骤3。
2.8)当任一候选检测器的信息素值大于或等于M时,则将所有候选检测器中的信息素的值减半。
所述步骤3)具体包括:3.1)按照每个候选检测器中保存的信息素由低到高对候选检测器进行排序;3.2)依据各候选检测器信息素,由高到低选择指定数量的候选检测器构建人工免疫系统中检查抗原所用的检测器集。
在步骤3.2中,若出现待选的初始检测器数量大于候选检测器指定数量时,由系统从信息素相同的待选初始检测器中按随机生成的先后顺序选择一个或几个构成人工免疫系统中检查抗原所用的检测器集。
本发明使用信息素作为优化人工免疫系统中检测器集的依据,避免了重新生成检测器所需的大量时间与空间开销,提高了优化检测器集的有效性。
实现本发明目的的装置如下:
一种新型人工免疫系统,包括候选检测器集生成装置、候选检测器信息素管理装置、检测器集优化装置、自体集保存装置、初始检测器集保存装置、候选检测器集保存装置、待检查抗原管理装置和检查抗原所需检测器集保存装置。候选检测器集生成装置用于生成人工免疫系统中所有可能的候选检测器。候选检测器信息素管理装置负责在检查每个抗原后更新候选检测器的信息素,并将结果发送给检测器集优化装置。检测器集优化装置用于依据候选检测器信息素管理装置所生成的候选检测器信息素,挑选信息素较高的检测器构成人工免疫系统中用于检查抗原的检测器集。自体集用于保存人工免疫系统中的自体。初始检测器集用于保存人工免疫系统生成的初始检测器。候选检测器集用于保存可检查抗原的检测器。待检查的抗原是人工免疫系统需要检查的对象。用于检查抗原的检测器集用于保存人工免疫系统中当前用于检查抗原的检测器。
候选检测器集生成装置包括初始检测器生成模块和候选检测器选择模块。初始检测器生成模块用于生成非重复的长度是L的二进制串作为初始检测器。候选检测器选择模块用于选择那些不与自体匹配的初始检测器,构成候选检测器集。
候选检测器信息素管理装置包括候选检测器信息素计算模块和候选检测器信息素管理模块。候选检测器信息素计算模块负责在检查抗原时计算每个候选检测器的信息素。候选检测器信息素管理模块负责定期维护候选检测器中的信息素。
检测器集优化装置包括检测器挑选模块。用于依据候选检测器的信息素,由大到小选择额定数量的候选检测器构建用于检查抗原的检测器集。
本发明的有益效果在于:
1、使用蚁群优化算法从候选检测器集中挑选信息素较高的检测器优化人工免疫系统的检测器集,避免了重新生成检测器所需的额外时间与空间开销,具有时间和空间开销小的优势,避免了对人工免疫系统性能的影响。
2、能动态调整人工免疫系统的检测器集,提高人工免疫系统检查抗原的准确性。
附图说明
图1是本发明新型人工免疫系统的结构图
图2是本发明一种基于蚁群优化的检测器集优化方法中建候选检测器集的流程图
图3是本发明实施例一种基于蚁群优化的检测器集优化方法中计算候选检测器信息素和构建检查抗原所需检测器集的流程图
具体实施方式
实施例1
如图1所示,一种新型人工免疫系统,包括候选检测器集生成装置、候选检测器信息素管理装置、检测器集优化装置、自体集保存装置、初始检测器集保存装置、候选检测器集保存装置、待检查抗原管理装置和检查抗原所需检测器集保存装置。
候选检测器集生成装置包括初始检测器生成模块和候选检测器选择模块,初始检测器生成模块用于生成非重复的长度是L的二进制串作为初始检测器。候选检测器选择模块用于选择那些不与自体匹配的初始检测器,构成候选检测器集。
候选检测器信息素管理装置包括候选检测器信息素计算模块和候选检测器信息素管理模块。候选检测器信息素计算模块负责在检查抗原时计算每个候选检测器的信息素。候选检测器信息素管理模块负责定期维护候选检测器中的信息素。
检测器集优化装置包括检测器挑选模块。用于依据候选检测器的信息素,由大到小选择额定数量的候选检测器构建用于检查抗原的检测器集。
自体集保存装置用于保存人工免疫系统中的自体。初始检测器集保存装置用于保存人工免疫系统生成的初始检测器。候选检测器集保存装置用于保存可检查抗原的检测器。待检查抗原管理装置是人工免疫系统需要检查的对象。检查抗原所需检测器集保存装置用于保存人工免疫系统中当前用于检查抗原的检测器。
新型人工免疫系统中各功能的说明如表1所示。
表1新型人工免疫系统中的功能模块
实施例2
一种基于蚁群优化的检测器集优化方法,包括下列步骤:
1)生成所有可能的检测器构建候选检测器集;
2)计算每个候选检测器的信息素;
3)定期选择部分候选检测器作为检查抗原所使用的检测器。
步骤1)具体包括下列步骤,如图2所示:
1.1)定义变量L表示检测器的长度,假定为8;
1.2)设置匹配度阈值P,作为判断检测器是否有效的依据,假定为6;
1.3)随机构建长度是L(值为8)的二进制串作为初始检测器;
1.4)生成初始检测器;
1.5)计算所有自体与该初始检测器之间对应位置且相同的子串的最大长度,如均未出现大于或等于P(值为6),则将该初始检测器作为候选检测器,否则转到步骤1.3)执行;
1.6)如还能生成不同的长度是L(值为8)的二进制串,则转到步骤1.3)执行,否则结束。
步骤2)具体包括下列步骤,如图3所示:
2.1)设置计数器T,作为调整人工免疫系统中检查抗原所用检测器集的周期,假定为500;
2.2)设置信息素阈值M,作为信息素计量的最大值,假定为10;
2.3)定义变量r表示需检查的抗原与候选检测器之间的匹配度;
2.4)定义变量p表示候选检测器用于检查抗原时具有的信息素;
2.5)计算抗原与每个候选检测器之间对应位置且相同的子串的最大长度,作为两者之间的匹配度,记录到r中;
2.6)使用公式p+r/L计算出的值更新候选检测器的信息素值(L是检测器所包含二进制数的个数),作为检测器新的信息素值p;
2.7)每检查T(值为500)个抗原,则执行步骤3;
2.8)当任一候选检测器的信息素值大于或等于M(值为10)时,则将所有候选检测器中的信息素的值减半。
步骤3)具体包括下列步骤:
3.1)按照每个候选检测器中保存的信息素由低到高对候选检测器进行排序;
3.2)依据各候选检测器信息素,由高到低选择指定数量为100个候选检测器构建人工免疫系统中检查抗原所用的检测器集。
实施例3:
设已知自体分别为:自体A:000;自体B:001;
根据步骤1假设检测器长度L为3;匹配度阈值P为2;
假设首先生成初始检测器000,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为3,2。
由于出现了不小于P的值,转到步骤1.3,设生成了初始检测器001,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为2,2。
由于出现了不小于P的值,转到步骤1.3,设生成了初始检测器010,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为1,1。由于未出现不小于P的值,故将初始检测器010作为候选检测器。
由于还能生成不同的长度L是3的检测器,转到步骤1.3,设生成了初始检测器100,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为2,1。
由于出现了不小于P的值,转到步骤1.3,设生成了初始检测器011,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为1,1。由于未出现不小于P的值,故将初始检测器011作为候选检测器。
由于还能生成不同的长度L是3的检测器,转到步骤1.3,设生成了初始检测器110,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为1,0。由于未出现不小于P的值,故将初始检测器110作为候选检测器。
由于还能生成不同的长度L是3的检测器,转到步骤1.3,设生成了初始检测器101,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为1,2。
由于出现不小于P的值2,转到步骤1.3,设生成了初始检测器111,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为0,1。由于未未出现不小于P的值,故将初始检测器111作为候选检测器。
由于还能生成不同的长度L是3的检测器,转到步骤1.3,设生成了初始检测器100,自体AB与该初始检测器之间对应位置且相同的子串的最大长度分别为2,1。由于出现了不小于P的值,此时已无法生成非重复的3位二进制串,因此步骤1结束。
通过步骤1得到候选检测器集{010,011,110,111}。
设需检查的抗原ABCD为:A:000;B:010;C:001;D:101;
根据步骤2假设计数器T为2,信息素阈值M为2,信息素p的初值为0。
根据步骤1.5计算出r值,如表2所示:
表2.
用符号p(010A)表示用候选检测器010计算抗原A所得的信息素值,符号p(011A)表示用候选检测器011计算抗原A所得的信息素值,符号p(110A)表示用候选检测器110计算抗原A所得的信息素值,符号p(111A)表示用候选检测器111计算抗原A所得的信息素值,符号p(010B)表示用候选检测器010计算抗原B所得的信息素值,符号p(011B)表示用候选检测器011计算抗原B所得的信息素值,符号p(110B)表示用候选检测器110B计算抗原A所得的信息素值,符号p(111B)表示用候选检测器111计算抗原B所得的信息素值,符号p(010C)表示用候选检测器010计算抗原C所得的信息素值,符号p(011C)表示用候选检测器011计算抗原C所得的信息素值,符号p(110C)表示用候选检测器110计算抗原C所得的信息素值,符号p(111C)表示用候选检测器111计算抗原C所得的信息素值,符号p(010D)表示用候选检测器010计算抗原D所得的信息素值,符号p(011D)表示用候选检测器011计算抗原D所得的信息素值,符号p(110D)表示用候选检测器110计算抗原D所得的信息素值,符号p(111D)表示用候选检测器111计算抗原D所得的信息素值,得
p(010A)=0+1/3=1/3;
p(011A)=0+1/3=1/3;
p(110A)=0+1/3=1/3;
p(111A)=0+0/3=0。
p(010B)=1/3+3/3=4/3;
p(011B)=1/3+2/3=1;
p(110B)=1/3+3/3=4/3;
p(111B)=0+1/3=1/3。
由于T为2,根据步骤3.7,每检查2个抗原则执行步骤3,假设指定数量为2,则选择010和110作为人工免疫系统中检查抗原所用的检测器集。
继续计算信息素,
p(010C)=4/3+1/3=5/3;
p(011C)=1+1/3=2/3;
p(110C)=4/3+0/3=4/3;
p(111C)=1/3+1/3=2/3。
p(010D)=5/3+0/3=5/3;
p(011D)=2/3+1/3=1;
p(110D)=4/3+1/3=5/3;
p(111D)=2/3+1/3=1。
由于T为2,根据步骤3.7,每检查2个抗原则执行步骤3,假设指定数量为2,则选择010和110作为人工免疫系统中检查抗原所用的检测器集。
根据步骤3.8,此时没有检测器的信息素值超过M,因此无需将所有候选检测器中的信息素的值减半;如出现任意一个检测器的信息素值超过M,则将所有检测器的信息素减半。
Claims (9)
1. 一种基于蚁群优化的检测器集优化方法,包括:
步骤1:生成初始检测器从中构建候选检测器集;
步骤2:计算每个候选检测器的信息素;
步骤3:定期选择候选检测器作为检查抗原所使用的检测器。
2.根据权利要求1所述的基于蚁群优化的检测器集优化方法,其特征在于所述步骤1具体包括下列步骤:
步骤1.1:定义变量L保存检测器所包含二进制数的个数,L即表示检测器的长度,初值由系统在启动前设置确定为大于1的整数;
步骤1.2:设置匹配度阈值P,作为判断检测器是否有效的依据,初值由系统在启动前设置确定为不小于1的整数;
步骤1.3:随机构建长度为L的二进制串作为初始检测器;
步骤1.4:生成初始检测器;
步骤1.5:计算所有自体与该初始检测器之间对应位置且相同的子串的最大长度,如均未出现大于或等于P的值,则将该初始检测器作为候选检测器,否则转到步骤1.4执行;
步骤1.6:如还能生成不同的长度是L的二进制串,则转到步骤1.4执行,否则结束。
3.根据权利要求1所述的基于蚁群优化的检测器集优化方法,其特征在于所述步骤2具体包括下列步骤:
步骤2.1:设置计数器T,作为调整人工免疫系统中检查抗原所用检测器集的周期,初值由系统在启动前设置确定为大于1的整数;
步骤2.2:设置信息素阈值M,作为信息素计量的最大值,初值由系统在启动前设置确定为大于0的数;
步骤2.3:定义变量r表示需检查的抗原与候选检测器之间的匹配度;
步骤2.4:定义变量p表示候选检测器用于检查抗原时具有的信息素,初值设置为0;
步骤2.5:计算抗原与每个候选检测器之间对应位置且相同的子串的最大长度,作为两者之间的匹配度,记录到r中;
步骤2.6:使用公式 计算出的值更新候选检测器的信息素值,作为检测器新的信息素值p;
步骤2.7:每检查T个抗原,则执行步骤3;
步骤2.8:当任一候选检测器的信息素值大于或等于M时,则将所有候选检测器中的信息素的值减半。
4.根据权利要求1所述的基于蚁群优化的检测器集优化方法,其特征在于所述步骤3具体包括下列步骤:
步骤3.1:按照每个候选检测器中保存的信息素由低到高对候选检测器进行排序;
步骤3.2:依据各候选检测器信息素,由高到低选择指定数量的候选检测器构建人工免疫系统中检查抗原所用的检测器集。
5.一种实现权利要求1优化方法的新型人工免疫系统,包括候选检测器集生成装置、候选检测器信息素管理装置、检测器集优化装置、自体集保存装置、初始检测器集保存装置、候选检测器集保存装置、待检查抗原管理装置和检查抗原所需检测器集保存装置。
6.根据权利要求5所述新型人工免疫系统,其特征在于,所述候选检测器集生成装置包括初始检测器生成模块和候选检测器选择模块,其中:
初始检测器生成模块:用于生成非重复的长度是L的二进制串作为初始检测器;
候选检测器选择模块:用于选择那些不与自体匹配的初始检测器,构成候选检测器集。
7.根据权利要求5所述的新型人工免疫系统,其特征在于,所述候选检测器信息素管理装置包括候选检测器信息素计算模块和候选检测器信息素管理模块,其中:
候选检测器信息素计算模块:负责在检查抗原时计算每个候选检测器的信息素;
候选检测器信息素管理模块:负责定期维护候选检测器中的信息素。
8.根据权利要求5所述的新型人工免疫系统,其特征在于,所述检测器集优化装置包括检测器挑选模块:
所述检测器挑选模块:用于依据候选检测器的信息素,由大到小选择额定数量的候选检测器构建用于检查抗原的检测器集。
9.根据权利要求5所述的新型人工免疫系统,其特征在于,所述自体集保存装置包括自体保存模块,所述自体保存模块用于保存人工免疫系统中的自体;初始检测器集保存装置包括初始检测器保存模块,所述初始检测器保存模块用于保存人工免疫系统生成的初始检测器;候选检测器集保存装置包括候选检测器保存模块,所述候选检测器保存模块用于保存可检查抗原的检测器;待检查抗原管理装置包括待检查抗原接受模块,所述待检查抗原接受模块用于保存人工免疫系统需要检查的对象;检查抗原所需检测器集保存装置包括用于检查抗原检测器保存模块,所述用于检查抗原检测器保存模块用于保存人工免疫系统中当前用于检查抗原的检测器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100356968A CN102073907A (zh) | 2011-02-10 | 2011-02-10 | 一种新型人工免疫系统和基于蚁群优化的检测器集优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100356968A CN102073907A (zh) | 2011-02-10 | 2011-02-10 | 一种新型人工免疫系统和基于蚁群优化的检测器集优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102073907A true CN102073907A (zh) | 2011-05-25 |
Family
ID=44032439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100356968A Pending CN102073907A (zh) | 2011-02-10 | 2011-02-10 | 一种新型人工免疫系统和基于蚁群优化的检测器集优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102073907A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831431A (zh) * | 2012-02-05 | 2012-12-19 | 四川大学 | 一种基于层次聚类的检测器训练方法 |
CN110647585A (zh) * | 2019-09-24 | 2020-01-03 | 江苏医健大数据保护与开发有限公司 | 一种起到自动筛选和备份功能的数据部署系统 |
-
2011
- 2011-02-10 CN CN2011100356968A patent/CN102073907A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831431A (zh) * | 2012-02-05 | 2012-12-19 | 四川大学 | 一种基于层次聚类的检测器训练方法 |
CN110647585A (zh) * | 2019-09-24 | 2020-01-03 | 江苏医健大数据保护与开发有限公司 | 一种起到自动筛选和备份功能的数据部署系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038049B (zh) | 实时日志控制系统及控制方法、云计算系统及服务器 | |
CN101666711B (zh) | 一种基于模糊语义网络的发动机综合故障诊断方法 | |
CN108445861A (zh) | 一种基于卷积神经网络算法的转辙机故障检测方法及系统 | |
CN102521117B (zh) | 一种Java异常传播的静态结构抽取方法 | |
CN102222035A (zh) | 基于符号执行技术的软件行为检测系统及检测方法 | |
CN102298681B (zh) | 一种基于数据流切片的软件识别方法 | |
CN103810092A (zh) | 应用系统测试方法及装置 | |
CN102073907A (zh) | 一种新型人工免疫系统和基于蚁群优化的检测器集优化方法 | |
CN101944041B (zh) | 一种使用陷阱指令优化条件转移代码性能的方法及其系统 | |
CN112231855A (zh) | 基于机器学习的管件焊接工艺自动生成方法及系统 | |
CN109469919B (zh) | 一种基于权重聚类的电站空预器堵灰监测方法 | |
CN114186789A (zh) | 综合能源市场成熟度评价及发展阶段划分方法、系统及存储介质 | |
CN103914630A (zh) | 建筑能耗监管系统 | |
CN103617119A (zh) | 基于语句交互覆盖的回归测试用例选择方法 | |
CN102323975A (zh) | 基于iec61850模型文件的报文正确性判别方法 | |
CN106874243A (zh) | 基于字符串的公式处理方法及装置 | |
CN102930158A (zh) | 基于偏最小二乘的变量选择方法 | |
CN116088796A (zh) | 一种软件开发数据采集分析系统 | |
WO2022111741A1 (zh) | 一种云端协同的负荷辨识系统及方法 | |
CN110008120A (zh) | 一种基于频谱的软件故障定位方法 | |
US20150066947A1 (en) | Indexing apparatus and method for search of security monitoring data | |
CN116817282B (zh) | 垃圾焚烧系统分析方法及系统 | |
CN113642198B (zh) | 一种基于可靠性增长的独立运载系统设备可靠性评估方法 | |
CN116010208A (zh) | 一种基于对抗迁移学习的日志异常检测方法 | |
CN115967126A (zh) | 一种自然灾害下新能源集群出力外送风险在线分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110525 |