基于CMABC参数优化的SVM多分类入侵检测方法研究

发布时间：2017-04-02 21:16

  本文关键词：基于CMABC参数优化的SVM多分类入侵检测方法研究，由笔耕文化传播整理发布。

【摘要】：随着互联网络的发展,信息安全越来越受到人们的重视,入侵检测技术已经成为信息安全中一项非常重要的技术。支持向量机(Support Vector Machine,SVM)能克服入侵检测系统中普遍存在的检测率低、误报率高的问题,非常适合用于入侵检测系统。针对SVM的参数选择决定了它的学习性能和泛化能力,其性能很大程度上取决于参数惩罚因子C和核参数g。本文分析了参数之间的关系和它们对SVM性能的影响,在人工蜂群算法的基础上引入交叉突变算子,提出基于交叉突变的人工蜂群优化SVM的算法。人工蜂群(Artifical bee colony, ABC)算法是一种新的群智能优化算法,模拟自然界蜜蜂采蜜的过程,蜜蜂根据不同的分工完成各阶段的任务,通过食物源信息的收集与共享寻找问题的最优解,它具有参数少、实现简单等优点,交叉算子的引入有效的减少了陷入局部最优解的风险。传统SVM是解决二分类问题,不能满足多分类入侵检测的需要,本文分析了常用的多分类SVM方法,对于基于二叉树的SVM多分类算法在分类效果上的不足,根据类的分离性测度来构建有效的二叉树结构,并将多分类问题合理转换为二分类问题,并结合入侵检测的数据特征提出分层的结构,有效的提高了多分类SVM入侵检测的检测效率。
【关键词】：入侵检测 参数优化 支持向量机 多类分类 检测率
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.08
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-14
• 1.1 研究背景及意义10-11
• 1.2 国内外的研究与进展11-12
• 1.3 研究内容和论文组织结构12-14
• 1.3.1 课题研究内容12
• 1.3.2 论文的组织结构12-14
• 第二章 入侵检测系统和支持向量机相关理论14-25
• 2.1 入侵检测概述14-15
• 2.2 支持向量机15-19
• 2.3 入侵检测NSL-KDD数据集预处理19-24
• 2.3.1 NSL-KDD数据集19-22
• 2.3.2 数据预处理22
• 2.3.3 特征属性选择22-24
• 2.4 本章小结24-25
• 第三章 基于CMABC算法的SVM参数选择25-37
• 3.1 SVM参数影响分析25
• 3.2 人工蜂群算法25-27
• 3.3 基于交叉突变的ABC算法27-28
• 3.4 基于CMABC的SVM入侵检测参数选择28
• 3.5 实验及分析28-36
• 3.5.1 CMABC算法性能分析29-33
• 3.5.2 SVM参数选择效果分析33-36
• 3.6 本章小结36-37
• 第四章 改进二叉决策树的CMABC参数优化多分类入侵检测37-48
• 4.1 常用的SVM多分类方法37-40
• 4.2 改进的决策树多分类方法40-44
• 4.2.1 类间分离性算法定义41-43
• 4.2.2 改进的决策树多分类支持向量机算法43-44
• 4.3 实验及分析44-47
• 4.4 本章小结47-48
• 第五章 总结和展望48-50
• 5.1 总结48-49
• 5.2 下一步工作49-50
• 参考文献50-53
• 致谢53-54
• 攻读学位期间发表论文情况54

【参考文献】

中国期刊全文数据库 前9条

1 莫赞;刘希良;谢海涛;;基于混合梯度下降算法的支持向量机参数优化[J];网络新媒体技术;2014年02期

2 张新明;李晓安;何文涛;王鲜芳;;基于排名映射概率的混沌人工蜂群算法[J];计算机科学;2013年12期

3 李磊;高雷阜;赵世杰;;基于神经网络的粒子群算法优化SVM参数问题[J];计算机工程与应用;2015年04期

4 聂盼盼;臧洌;刘雷雷;;基于对支持向量机的多类分类算法在入侵检测中的应用[J];计算机应用;2013年02期

5 汪廷华;陈峻婷;;核函数的选择研究综述[J];计算机工程与设计;2012年03期

6 吴景龙;杨淑霞;刘承水;;基于遗传算法优化参数的支持向量机短期负荷预测方法[J];中南大学学报(自然科学版);2009年01期

7 郭辉;刘贺平;王玲;;最小二乘支持向量机参数选择方法及其应用研究[J];系统仿真学报;2006年07期

8 赵冲冲;廖明夫;于潇;;基于支持向量机的旋转机械故障诊断。[J];振动、测试与诊断;2006年01期

9 毛勇,周晓波,皮道映,孙优贤,WONG Stephen T.C.;Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm[J];Journal of Zhejiang University Science;2005年10期

  本文关键词：基于CMABC参数优化的SVM多分类入侵检测方法研究，由笔耕文化传播整理发布。

，

本文编号：283171