期刊文献+

基于PSO-ELM算法的网络入侵检测研究 被引量:2

下载PDF
导出
摘要 由于传统的被动型入侵防御技术应对大数据时代的各种网络攻击能力不足,研究使用粒子群优化算法优化极限学习机隐含层神经元的内连接权值,解决了随机产生权值造成的分类检测稳定性不足、分类效果差的问题。仿真实验选取CUP99数据集进行性能测试,与经典的极限学习机模型对比发现,该文提出的PSO-ELM算法,其入侵检测的平均识别准确率高达98%以上,且收敛速度快、稳定性较好,明显优于ELM神经网络模型,应对大数据时代的网络入侵效果尤为理想。
作者 陈爱萍
出处 《安阳师范学院学报》 2022年第2期35-39,共5页 Journal of Anyang Normal University
  • 相关文献

参考文献8

二级参考文献46

  • 1李爱国.多粒子群协同优化算法[J].复旦学报(自然科学版),2004,43(5):923-925. 被引量:398
  • 2吴庆涛,邵志清.入侵检测研究综述[J].计算机应用研究,2005,22(12):11-14. 被引量:19
  • 3Kennedy J,Eberhart R.Particle Swarm Optimization[C]//Proc IEEE Int Conf on Neural Networks,Perth,1995:1942-1948. 被引量:1
  • 4Eberhart R C,Shi Yu-hui.Comparing inertia weights and constriction factors in particle swarm optimization[C]//Proc IEEE Int Conf on Evolutionary Computation,La Jolla,2000:84-88. 被引量:1
  • 5Eberhart R C,Shi Yu-hui.Particle Swarm Optimization:developments,applications and resourees[C]//Proc IEEE Int Conf on Evolutionary computation,Seoul,2001:81-86. 被引量:1
  • 6Trelea I C.The Particle Swarm Optimization algorithm:convergence analysis and parameter selection[C]//Proc IEEE Int Conf on Evolutionary Computation,2002:317-325. 被引量:1
  • 7Shi Yu-hui,Eberhart R.Empirical study of Particle swarm optimization[C]//Proc IEEE Int Conf on Evolutionary Computation,Washington DC,1999:1945-1950. 被引量:1
  • 8Suganthan P N.Particle Swarm Optimizer with neighborhood operator[C]//Proc IEEE Int Conf on Evolutionary Computation,Washington DC,1999:1958-1962. 被引量:1
  • 9Angeline P J.Using selection to improve Particle Swarm Optimization[C]//Proc IEEE Int Conf on Evolutionary computation,Anchorage,1998:84-89. 被引量:1
  • 10Kennedy J.Stereotyping:Improving Particle swarm performance with cluster analysis[C]//Proc IEEE Int Conf on Evolutionary Computation,La Jolla,2000:1507-1512. 被引量:1

共引文献166

同被引文献23

引证文献2

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部