本文關鍵詞： 網絡安全 態(tài)勢要素 數據處理 協同增強 概率神經網絡　出處：《電訊技術》2017年01期 　論文類型：期刊論文

【摘要】：態(tài)勢要素獲取作為整個網絡安全態(tài)勢感知的基礎,其質量的好壞將直接影響態(tài)勢感知系統的性能。針對態(tài)勢要素不易獲取問題,提出了一種基于增強型概率神經網絡的層次化框架態(tài)勢要素獲取方法。在該層次化獲取框架中,利用主成分分析(PCA)對訓練樣本屬性進行約簡并對特殊屬性編碼融合處理,將其結果用于優(yōu)化概率神經網絡(PNN)結構,降低系統復雜度。以PNN作為基分類器,基分類器通過反復迭代、權重更替,然后加權融合處理形成最終的強多分類器。實驗結果表明,該方案是有效的態(tài)勢要素獲取方法并且精確度達到95.53%,明顯優(yōu)于同類算法,有較好的泛化能力。
[Abstract]:As the basis of the whole network security situation awareness, the quality of the situation factor acquisition will directly affect the performance of the situation awareness system. In this paper, a hierarchical framework based on enhanced probabilistic neural network is proposed, in which the principal component analysis (PCA) is used to reduce the attributes of the training samples and to fuse the special attributes. The result is used to optimize the structure of probabilistic neural network and reduce the complexity of the system. Using PNN as the base classifier, the base classifier iterates repeatedly, the weight changes, then the weighted fusion process forms the final strong multi-classifier. This scheme is an effective method for acquiring situational elements with an accuracy of 95.53, which is obviously superior to similar algorithms and has a better generalization ability.
【作者單位】： 重慶郵電大學移動通信技術重慶市重點實驗室;
【基金】：國家自然科學基金資助項目(61271260) 重慶市科委自然科學基金資助項目(cstc2015jcyj A40050) 重慶市教委科學技術研究項目(KJ120530)
【分類號】：TP183;TP393.08

【相似文獻】

相關期刊論文 前10條

1 王春紅;張弘強;;基于概率神經網絡的教師評估的方法探索[J];教學與管理;2010年03期

2 張吉剛;梁娜;;基于概率神經網絡的高校畢業(yè)生學位評審預測[J];佳木斯大學學報(自然科學版);2011年05期

3 韓浩;王寅瀟;王博;譙妍;田京京;;基于概率神經網絡的流行音樂分類研究[J];數字技術與應用;2013年08期

4 徐光華,屈梁生;基于概率神經網絡的機組狀態(tài)多步預報方法[J];西安交通大學學報;1999年07期

5 程曦;;基于概率神經網絡的入侵檢測技術[J];計算機輔助工程;2005年04期

6 張曉俊;陶智;顧濟華;趙鶴鳴;施曉敏;;基于聽覺感知和概率神經網絡的語音識別模型[J];計算機工程與應用;2007年19期

7 胡運江;;徑向基概率神經網絡的結構優(yōu)化算法研究[J];科技信息;2008年33期

8 房曄;周亞濱;;基于概率神經網絡說話人識別的算法研究[J];電子測量技術;2008年08期

9 姬東朝;宋筆鋒;易華輝;;基于概率神經網絡的設備故障診斷及仿真分析[J];火力與指揮控制;2009年01期

10 石禮娟;熊學萍;;概率神經網絡在信用評估中的應用[J];華南金融電腦;2009年12期

相關會議論文 前7條

1 劉建華;張偉江;張仲俊;;概率神經網絡的實時訓練[A];1995中國控制與決策學術年會論文集[C];1995年

2 徐欣;馮道旺;周一宇;盧啟中;;核函數概率神經網絡脈沖去交錯器研究與設計[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

3 賈勇;何正友;趙靜;;基于小波熵和概率神經網絡的配電網暫降源識別方法[A];中國高等學校電力系統及其自動化專業(yè)第二十四屆學術年會論文集（下冊）[C];2008年

4 王成儒;王金甲;李靜;;一種用于說話人辨認的概率神經網絡的MCE訓練算法[A];第三次全國會員代表大會暨學術會議論文集[C];2002年

5 朱志強;樊大帥;張軍;王亮;;基于組合PNN概率神經網絡的車標識別方法[A];全國先進制造技術高層論壇暨第十屆制造業(yè)自動化與信息化技術研討會論文集[C];2011年

6 薄翠梅;李俊;陸愛晶;張廣明;;基于核函數和概率神經網絡的TE過程監(jiān)控研究[A];第二十六屆中國控制會議論文集[C];2007年

7 芮瑞;鮑長春;;基于概率神經網絡的語音與音樂分類[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

相關碩士學位論文 前10條

1 張魯丹;智能圖像識別技術研究[D];渤海大學;2016年

2 周沙;基于概率神經網絡的變壓器局部放電模式識別研究[D];江蘇大學;2016年

3 王子健;基于概率神經網絡的發(fā)動機失火故障診斷[D];吉林大學;2016年

4 俞文燕;基于概率神經網絡的電機故障診斷研究[D];揚州大學;2016年

5 王博;泵站系統水下異物入侵監(jiān)測研究與實現[D];北京工業(yè)大學;2016年

6 張洪波;基于主成分的概率神經網絡模擬電路故障診斷的研究[D];湖南大學;2008年

7 張海艷;基于自適應概率神經網絡的農作物蟲情預測研究[D];蘭州交通大學;2011年

8 榮薇;基于概率神經網絡的漢語耳語音識別的研究[D];蘇州大學;2008年

9 蘇亮;基于概率神經網絡的焊接結構疲勞壽命分類與預測[D];長安大學;2012年

10 李旭軍;基于概率神經網絡的質量控制研究[D];合肥工業(yè)大學;2006年

，

本文編號：1545570