计算智能分类方法及其在入侵检测中的应用研究

发布时间：2022-12-17 20:26

　　分类，顾名思义是将无规律的事物分为有规律，它是当今信息处理、数据挖掘和知识发现等诸多领域中的一项重要任务。随着信息技术的迅猛发展以及信息量呈指数形式增长，常用的分类方法凸显出不足，而智能分类法得到广泛应用和重视，特别是计算智能分类方法的研究具有重要的理论意义和应用价值。 入侵检测是对入侵行为的检测，主要区分正常网络行为和异常入侵行为及其类型，在实际检测中是一个多分类问题，而采用计算智能分类法无疑能够大大提高入侵检测的效果。为此，本论文针对计算智能分类方法及其在入侵检测中的应用进行研究，其主要工作或创新如下： （1）为了解决粒子群（PSO）算法存在过早收敛、陷入局部极小等问题，研究了基于云模型的粒子群（CPSO）算法，主要采用云模型动态确定惯性权重，可以取得较快的优化速度且能避免陷入局部极小，经经典优化函数测试，结果表明CPSO算法优于PSO算法和蚁群（ACO）算法。进而研究了基于CPSO的神经网络分类方法，可以克服神经网络分类精度较低的缺点。仿真实验表明其分类方法在分类精度上得到较大提高。 （2）基于统计学习理论的支持向量机（SVM）在分类上具有独特的优势，为了... 

【文章页数】：104 页

【学位级别】：博士

【部分图文】：

Sphere函数图

Rosenbrock函数图

Rastrigin函数图

【参考文献】：
期刊论文
[1]基于专家系统和神经网络的网络入侵检测系统[J]. 张人上.  计算机仿真. 2012(09)
[2]一种基于RVM回归的分类方法[J]. 王立昆,杨新锋.  电子科技. 2011(05)
[3]稀疏贝叶斯模型与相关向量机学习研究[J]. 杨国鹏,周欣,余旭初.  计算机科学. 2010(07)
[4]基于相关向量机的机器学习算法研究与应用[J]. 杨树仁,沈洪远.  计算技术与自动化. 2010(01)
[5]基于蚁群算法的选择性神经网络集成方法[J]. 赵胜颖,高广春.  浙江大学学报(工学版). 2009(09)
[6]相关向量机学习的研究[J]. 董争.  技术与市场. 2009(04)
[7]基于PSO优化的SVM预测应用研究[J]. 任洪娥,霍满冬.  计算机应用研究. 2009(03)
[8]基于数据挖掘的聚类分析和传统聚类分析的对比研究[J]. 马利.  数理医药学杂志. 2008(05)
[9]基于相关向量机的非线性动态系统辨识[J]. 朱世增,党选举.  计算机仿真. 2008(06)
[10]数据挖掘中的聚类分析方法[J]. 黄利文.  电脑知识与技术. 2008(12)

博士论文
[1]基于免疫算法的分类方法及其应用研究[D]. 叶莲.重庆大学 2012
[2]基于稀疏贝叶斯学习方法的回归与分类在电力系统中的预测研究[D]. 段青.山东大学 2010
[3]计算智能方法研究及其在流程工业中应用[D]. 李澄非.北京化工大学 2007

硕士论文
[1]支持向量机及金融应用[D]. 葛黎辉.南京农业大学 2009
[2]智能优化技术的研究及其在化工生产中的应用[D]. 江沛.北京化工大学 2008
[3]基于蚁群算法的改进神经网络在变压器故障辨识中的应用研究[D]. 李京林.南京理工大学 2007



本文编号：3720592