基于改进烟花算法的SVM特征选择和参数优化的研究

发布时间：2021-02-06 03:56

　　随着互联网的飞速发展,计算机网络以其快速开放式、自由任意传播信息的特点给人们带来了极大的便利,与此同时用户在共享资源时却不得不面对隐私保护问题,尤其是近几年电子商务和电子政务等应用的推广,使得网络安全成为各大公司和研究机构关注的重点。谈到网络安全,公众首先想到的就是防火墙、访问控制等技术。然而这些技术具有一定的局限性,主要缺点是不能良好地防御来自网络内部的攻击,实际上几乎一半的严重攻击和入侵都来自内部用户。入侵检测技术为了弥补这一缺陷被提了出来,其逐渐成为网络主动安全防御的重要组成部分。传统的入侵检测系统（Intrusion Detection System,IDS）普遍存在性能不足、效率底下等问题,选择合适的算法、设计高效率的入侵检测模型,已成为网络安全领域研究的热点。针对以上入侵检测方法中存在的问题,本文首先提出了一种基于改进烟花算法的SVM特征选择和参数优化的模型。支持向量机（Support Vector Machine,SVM）是通过寻求结构风险最小化来实现实际风险最小化的机器学习算法,其目标是追求在有限信息的条件下得到最优结果。它通过构建非线性映射模型,有效地解决了高维度、非... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 入侵检测方法研究现状
        1.2.2 特征维度消减和SVM参数优化研究现状
    1.3 本文主要的研究内容及组织结构
第二章 基本理论及算法
    2.1 基本理论
        2.1.1 群体智能算法概述
        2.1.2 分类学习算法概述
    2.2 支持向量机概述
        2.2.1 支持向量机的基本思想
        2.2.2 支持向量机与核函数
    2.3 本章小结
第三章 基于改进烟花算法的SVM的特征选择和参数优化
    3.1 烟花算法
        3.1.1 算法描述
        3.1.2 算法特点及应用领域
    3.2 基于二进制烟花算法的SVM的特征选择和参数优化
        3.2.1 爆炸算子
        3.2.2 变异算子
        3.2.3 选择策略
        3.2.4 适应度函数
        3.2.5 算法流程
    3.3 实验仿真
        3.3.1 实验设置与测试数据集
        3.3.2 实验结果与分析
    3.4 本章小结
第四章 基于改进烟花算法和SVM融合的入侵检测系统
    4.1 入侵检测
    4.2 基于改进烟花算法和SVM融合的入侵检测模型
        4.2.1 入侵检测模型
        4.2.2 入侵实验数据集来源
        4.2.3 数据预处理
        4.2.4 模型性能评价标准
    4.3 实验参数设置与实验结果
        4.3.1 实验参数设置
        4.3.2 实验一: 本文算法与SVM算法对比
        4.3.3 实验二: 本文算法与相似算法对比
    4.4 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 未来工作展望
参考文献
致谢
攻读硕士期间发表的学术论文
攻读硕士期间参加的科研项目



本文编号：3020107