版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、分類,顧名思義是將無規(guī)律的事物分為有規(guī)律,它是當今信息處理、數(shù)據(jù)挖掘和知識發(fā)現(xiàn)等諸多領域中的一項重要任務。隨著信息技術的迅猛發(fā)展以及信息量呈指數(shù)形式增長,常用的分類方法凸顯出不足,而智能分類法得到廣泛應用和重視,特別是計算智能分類方法的研究具有重要的理論意義和應用價值。
入侵檢測是對入侵行為的檢測,主要區(qū)分正常網(wǎng)絡行為和異常入侵行為及其類型,在實際檢測中是一個多分類問題,而采用計算智能分類法無疑能夠大大提高入侵檢測的效果。為此
2、,本論文針對計算智能分類方法及其在入侵檢測中的應用進行研究,其主要工作或創(chuàng)新如下:
(1)為了解決粒子群(PSO)算法存在過早收斂、陷入局部極小等問題,研究了基于云模型的粒子群(CPSO)算法,主要采用云模型動態(tài)確定慣性權重,可以取得較快的優(yōu)化速度且能避免陷入局部極小,經(jīng)經(jīng)典優(yōu)化函數(shù)測試,結果表明CPSO算法優(yōu)于PSO算法和蟻群(ACO)算法。進而研究了基于CPSO的神經(jīng)網(wǎng)絡分類方法,可以克服神經(jīng)網(wǎng)絡分類精度較低的缺點。仿真實
3、驗表明其分類方法在分類精度上得到較大提高。
(2)基于統(tǒng)計學習理論的支持向量機(SVM)在分類上具有獨特的優(yōu)勢,為了解決支持向量機(SVM)模型中懲罰參數(shù)和核參數(shù)憑經(jīng)驗選取或試驗法的選取問題,運用云模型能提高優(yōu)化策略、加快收斂速度等優(yōu)點,研究基于云PSO的SVM分類方法(CPSO-SVM),即采用云PSO算法優(yōu)化SVM模型及其參數(shù)。實驗表明CPSO-SVM分類方法在入侵檢測中,其檢測精度高于經(jīng)典SVM和基于PSO的SVM方法(
4、PSO-SVM)。
(3)基于稀疏貝葉斯框架下的相關向量機(RVM)具有計算量少、分類精度高等優(yōu)點,但也存在模型參數(shù)的優(yōu)化問題。為此,研究了基于云PSO的RVM分類方法(CPSO-RVM),即采用云PSO算法優(yōu)化RVM模型及其核函數(shù)寬度參數(shù)。通過典型實驗和KDDCup99數(shù)據(jù)庫入侵檢測資料的多分類問題的實際檢測,結果表明:與PSO-RVM、PSO-SVM和CPSO-SVM等多種分類方法相比,CPSO-RVM分類方法的檢測精度最
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 計算智能技術在入侵檢測系統(tǒng)中的應用研究.pdf
- 集成學習方法及其在入侵檢測中的應用研究.pdf
- 數(shù)據(jù)挖掘技術在智能入侵檢測中的應用研究.pdf
- 降維分類方法在入侵檢測中的研究與應用.pdf
- 基于FSVM的數(shù)據(jù)挖掘方法及其在入侵檢測中的應用研究.pdf
- 混合智能模型及其在入侵檢測中的應用.pdf
- 屬性約簡方法在入侵檢測技術中的應用研究.pdf
- 增強型GEPSVM分類器設計及其在入侵檢測中的應用研究.pdf
- 基于智能計算的入侵檢測方法研究.pdf
- 智能技術在入侵檢測中的應用.pdf
- Agent在入侵檢測中的應用研究.pdf
- 基于成本敏感的分類算法在入侵檢測中的應用研究.pdf
- BP神經(jīng)網(wǎng)絡在智能入侵檢測系統(tǒng)中的應用研究.pdf
- 智能計算方法及其在發(fā)酵過程中的應用研究.pdf
- 入侵檢測中的機器學習方法及其應用研究.pdf
- 粒計算及其在圖像分類中的應用研究.pdf
- 聚類算法和分類算法在入侵檢測中的應用研究.pdf
- 計算智能及其在多用戶檢測中的應用研究.pdf
- 序列模式挖掘及其在入侵檢測中的應用研究.pdf
- Honeypot在入侵檢測中的應用研究.pdf
評論
0/150
提交評論