-
题名基于PCA的PSO-BP入侵检测研究
被引量：23
- 1
-
-
作者
刘珊珊
谢晓尧
景凤宣
徐洋
张帅
汪自旺
-
机构
贵州大学大数据与信息工程学院
贵州师范大学贵州省信息与计算科学重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2016年第9期2795-2798,共4页
-
基金
国家自然科学基金重点资助项目(2011BAH14B04)
贵州省基础研究重大资助项目(黔科合JZ字[2014]2001号)
中央财政支持地方发展高校基金资助项目(黔财教2012118)
-
文摘
为了提高入侵检测系统的检测率、实时性及降低误报率,提出一种基于主成分分析方法(PCA)的变惯性因子粒子群算法(PSO)优化BP神经网络算法。该方法结合了PCA理论、BP局部搜索和PSO的全局寻优能力,在数据预处理中,通过主成分分析方法进行特征提取,作为BP网络的输入量。在反复训练学习过程中,通过变惯性因子粒子群算法优化BP神经网络的权值和阈值,达到训练误差精度范围内,将优化过的BP网络用于入侵检测。通过实验分析和比较,该算法提高了入侵检测的正确率、泛化能力和实时性,降低了误报率和漏报率,加快了收敛速度,迭代次数少,有一定的研究意义。
-
关键词
主成分分析
粒子群优化
BP神经网络
入侵检测
-
Keywords
PCA
particle swarm optimization(PSO)
back propagation neural network
intrusion detection
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
