本文選題：態(tài)勢(shì)預(yù)測(cè) + 高斯過(guò)程��； 參考：《系統(tǒng)工程與電子技術(shù)》2015年08期

【摘要】：針對(duì)共軛梯度法獲取高斯過(guò)程超參數(shù)存在迭代次數(shù)難以確定及預(yù)測(cè)不精準(zhǔn)等問(wèn)題,提出一種螢火蟲(chóng)群算法優(yōu)化高斯過(guò)程的預(yù)測(cè)方法,并將其應(yīng)用于網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)研究。采用螢火蟲(chóng)群優(yōu)化算法對(duì)高斯過(guò)程超參數(shù)進(jìn)行智能尋優(yōu),建立基于高斯過(guò)程回歸的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明新方法的平均相對(duì)預(yù)測(cè)誤差較共軛梯度法、粒子群優(yōu)化算法和人工蜂群優(yōu)化算法分別降低了近29.46%、10.37%和4.22%,且新方法收斂較快。另外,分析對(duì)比了3種單一類(lèi)型和2種復(fù)合類(lèi)型的協(xié)方差函數(shù)對(duì)高斯過(guò)程預(yù)測(cè)的影響,實(shí)驗(yàn)結(jié)果表明采用神經(jīng)網(wǎng)絡(luò)與有理二次的復(fù)合協(xié)方差函數(shù)(neural network and rational quadratic composite covariance function,NN-RQ)的平均相對(duì)預(yù)測(cè)誤差較其他4類(lèi)協(xié)方差函數(shù)降低了1.65%~7.51%。
[Abstract]:In order to solve the problems such as the number of iterations and the inaccuracy of prediction in obtaining superparameters of Gao Si process by conjugate gradient method, this paper presents a prediction method for optimizing Gao Si process by firefly swarm algorithm, and applies it to the research of network security situation prediction. The Gao Si process superparameters are intelligently optimized by firefly swarm optimization algorithm, and the network security situation prediction model based on Gao Si process regression is established. The experimental results show that the average relative prediction error of the new method is 29.46% and 4.22% lower than that of the conjugate gradient method, particle swarm optimization algorithm and artificial bee colony optimization algorithm, respectively, and the convergence of the new method is faster. In addition, the effects of covariance functions of three single types and two complex types on the prediction of Gao Si processes are analyzed and compared. The experimental results show that the average relative prediction error of the composite covariance function (neural network and rational quadratic composite covariance functionNN-RQ using neural network and rational quadratic is 1.65 / 7.51 lower than that of the other four covariance functions.
【作者單位】： 空軍工程大學(xué)信息與導(dǎo)航學(xué)院;空軍工程大學(xué)空管領(lǐng)航學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61201209)資助課題
【分類(lèi)號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 張樂(lè);劉忠;張建強(qiáng);任雄偉;;基于人工蜂群算法優(yōu)化的改進(jìn)高斯過(guò)程模型[J];國(guó)防科技大學(xué)學(xué)報(bào);2014年01期

2 孟洛明;朱杰輝;楊楊;孟玲莉;張平平;高志鵬;;支持向量機(jī)回歸預(yù)測(cè)在網(wǎng)絡(luò)故障檢測(cè)中的應(yīng)用[J];北京郵電大學(xué)學(xué)報(bào);2014年S1期

3 吳琨;白中英;;集對(duì)分析的可信網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2012年03期

4 張勇;譚小彬;崔孝林;奚宏生;;基于Markov博弈模型的網(wǎng)絡(luò)安全態(tài)勢(shì)感知方法[J];軟件學(xué)報(bào);2011年03期

5 謝麗霞;王亞超;于巾博;;基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年12期

6 徐沖;劉保國(guó);劉開(kāi)云;郭佳奇;;基于粒子群-高斯過(guò)程回歸耦合算法的滑坡位移時(shí)序分析預(yù)測(cè)智能模型[J];巖土力學(xué);2011年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周永權(quán);黃正新;劉洪霞;;求解TSP問(wèn)題的離散型螢火蟲(chóng)群優(yōu)化算法[J];電子學(xué)報(bào);2012年06期

2 劉剛;李千目;張宏;;信度向量正交投影分解的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估方法[J];電子與信息學(xué)報(bào);2012年08期

3 邵澤云;;計(jì)算機(jī)網(wǎng)絡(luò)安全問(wèn)題及防范技術(shù)研究[J];電腦知識(shí)與技術(shù);2012年34期

4 鄭港;鄢小虎;謝齊家;聶德鑫;盧文華;張海龍;李敏;;一種基于螢火蟲(chóng)支持向量機(jī)的油色譜在線數(shù)據(jù)校正方法[J];高壓電器;2013年09期

5 張超群;鄭建國(guó);李陶深;;偵察蜂在人工蜂群算法中的作用[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

6 趙攀;劉勇;張弘;;無(wú)線傳感器網(wǎng)絡(luò)轉(zhuǎn)發(fā)能效計(jì)算方法[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年12期

7 張樂(lè);劉忠;張建強(qiáng);任雄偉;;基于人工蜂群算法優(yōu)化的改進(jìn)高斯過(guò)程模型[J];國(guó)防科技大學(xué)學(xué)報(bào);2014年01期

8 何坤;趙利強(qiáng);王建林;于濤;;基于樣本稀疏化高斯過(guò)程的發(fā)酵過(guò)程軟測(cè)量建模方法[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

9 杜鵬楨;唐振民;陸建峰;孫研;;不確定環(huán)境下基于改進(jìn)螢火蟲(chóng)算法的地面自主車(chē)輛全局路徑規(guī)劃方法[J];電子學(xué)報(bào);2014年03期

10 李方偉;鄭波;朱江;張海波;;一種基于AC-RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

相關(guān)會(huì)議論文 前1條

1 ;A Modified Glowworm Swarm Optimization for Multimodal Functions[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 陳俊風(fēng);一類(lèi)計(jì)算智能方法的停滯問(wèn)題研究[D];浙江大學(xué);2011年

2 李志東;基于融合決策的網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)研究[D];哈爾濱工程大學(xué);2012年

3 孟錦;網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2012年

4 王改革;基于智能算法的目標(biāo)威脅估計(jì)[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2013年

5 房芳;基于綠色經(jīng)濟(jì)的風(fēng)火電聯(lián)合運(yùn)營(yíng)規(guī)劃及效益評(píng)價(jià)研究[D];華北電力大學(xué);2013年

6 張研;地下工程巖體非線性行為預(yù)測(cè)識(shí)別的高斯過(guò)程模型與動(dòng)態(tài)智能反饋分析[D];廣西大學(xué);2013年

7 張建鋒;網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估若干關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 鄭文斌;基于協(xié)作傳輸?shù)娜褐悄軣o(wú)線傳感器網(wǎng)節(jié)點(diǎn)部署研究[D];哈爾濱工業(yè)大學(xué);2014年

9 宋紹義;未來(lái)互聯(lián)網(wǎng)絡(luò)資源負(fù)載均衡研究[D];北京郵電大學(xué);2014年

10 劉永磊;基于體系結(jié)構(gòu)的無(wú)線局域網(wǎng)安全弱點(diǎn)研究[D];天津大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 楊艷;人工螢火蟲(chóng)優(yōu)化算法在數(shù)值計(jì)算中的應(yīng)用[D];廣西民族大學(xué);2011年

2 尤馬彥;網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估技術(shù)的研究與實(shí)現(xiàn)[D];廣東工業(yè)大學(xué);2012年

3 劉佳昆;高維人工螢火蟲(chóng)群優(yōu)化算法應(yīng)用研究[D];廣西民族大學(xué);2012年

4 趙光偉;人工螢火蟲(chóng)群優(yōu)化算法改進(jìn)與應(yīng)用研究[D];廣西民族大學(xué);2012年

5 周楊;中國(guó)農(nóng)村社會(huì)預(yù)警指數(shù)研究[D];華中師范大學(xué);2012年

6 張建順;針對(duì)WSN分割網(wǎng)絡(luò)攻擊的應(yīng)對(duì)策略研究[D];北方工業(yè)大學(xué);2012年

7 袁亞杰;幾種新型群智能算法的改進(jìn)研究[D];山東師范大學(xué);2013年

8 張吉祥;基于博弈的物聯(lián)網(wǎng)跳頻通信策略研究[D];北方工業(yè)大學(xué);2013年

9 亢少將;螢火蟲(chóng)優(yōu)化算法的研究與改進(jìn)[D];廣東工業(yè)大學(xué);2013年

10 蔡德武;基于親景度和吸引力的重慶市入境旅游市場(chǎng)分析[D];西南大學(xué);2013年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇國(guó)韶;燕柳斌;張小飛;江權(quán);;基坑位移時(shí)間序列預(yù)測(cè)的高斯過(guò)程方法[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

2 鄭賢斌;陳國(guó)明;;基于SPA安全綜合評(píng)價(jià)方法及其應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2006年02期

3 趙國(guó)生;王慧強(qiáng);王健;;基于灰色Verhulst的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2008年05期

4 韋勇;連一峰;馮登國(guó);;基于信息融合的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型[J];計(jì)算機(jī)研究與發(fā)展;2009年03期

5 任偉;蔣興浩;孫錟鋒;;基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2006年31期

6 唐成華;余順爭(zhēng);;一種基于似然BP的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)科學(xué);2009年11期

7 王春雷;方蘭;王東霞;戴一奇;;基于知識(shí)發(fā)現(xiàn)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知系統(tǒng)[J];計(jì)算機(jī)科學(xué);2012年07期

8 韋勇;連一峰;;基于日志審計(jì)與性能修正算法的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型[J];計(jì)算機(jī)學(xué)報(bào);2009年04期

9 陳秀真;鄭慶華;管曉宏;林晨光;;層次化網(wǎng)絡(luò)安全威脅態(tài)勢(shì)量化評(píng)估方法[J];軟件學(xué)報(bào);2006年04期

10 張永錚;方濱興;遲悅;云曉春;;用于評(píng)估網(wǎng)絡(luò)信息系統(tǒng)的風(fēng)險(xiǎn)傳播模型[J];軟件學(xué)報(bào);2007年01期

相關(guān)博士學(xué)位論文 前1條

1 張勇;網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型研究與系統(tǒng)實(shí)現(xiàn)[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂勝尚;;關(guān)于高斯過(guò)程的幾個(gè)問(wèn)題[J];西北電訊工程學(xué)院學(xué)報(bào);1986年02期

2 喻鑫;柳健;田金文;;基于高斯過(guò)程的點(diǎn)匹配方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年12期

3 董曉慧;柴桂榮;孟憲春;;一種應(yīng)用稀疏高斯過(guò)程回歸模型的半監(jiān)督分類(lèi)算法[J];電腦知識(shí)與技術(shù);2010年28期

4 傅啟明;劉全;伏玉琛;周誼成;于俊;;一種高斯過(guò)程的帶參近似策略迭代算法[J];軟件學(xué)報(bào);2013年11期

5 李宏偉;劉揚(yáng);盧漢清;方亦凱;;結(jié)合半監(jiān)督核的高斯過(guò)程分類(lèi)[J];自動(dòng)化學(xué)報(bào);2009年07期

6 黃麗平;孫永雄;申晨;;用基于中值濾波的高斯過(guò)程預(yù)測(cè)3G網(wǎng)絡(luò)性能[J];計(jì)算機(jī)工程與應(yīng)用;2013年02期

7 夏戰(zhàn)國(guó);夏士雄;蔡世玉;萬(wàn)玲;;類(lèi)不均衡的半監(jiān)督高斯過(guò)程分類(lèi)算法[J];通信學(xué)報(bào);2013年05期

8 何志昆;劉光斌;趙曦晶;王明昊;;高斯過(guò)程回歸方法綜述[J];控制與決策;2013年08期

9 劉輝;白峰杉;;基于混合高斯過(guò)程模型的高光譜圖像分類(lèi)算法[J];高校應(yīng)用數(shù)學(xué)學(xué)報(bào)A輯;2010年04期

10 張樂(lè);劉忠;張建強(qiáng);任雄偉;;基于人工蜂群算法優(yōu)化的改進(jìn)高斯過(guò)程模型[J];國(guó)防科技大學(xué)學(xué)報(bào);2014年01期

相關(guān)會(huì)議論文 前7條

1 劉信恩;肖世富;莫軍;;用于不確定性分析的高斯過(guò)程響應(yīng)面模型設(shè)計(jì)點(diǎn)選擇方法研究[A];中國(guó)計(jì)算力學(xué)大會(huì)'2010（CCCM2010）暨第八屆南方計(jì)算力學(xué)學(xué)術(shù)會(huì)議（SCCM8）論文集[C];2010年

2 劉冬;張清華;;基于高斯過(guò)程的精密衛(wèi)星鐘差加密[A];第二屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集[C];2011年

3 李雅芹;楊慧中;;一種基于仿射傳播聚類(lèi)和高斯過(guò)程的多模型建模方法[A];2009中國(guó)過(guò)程系統(tǒng)工程年會(huì)暨中國(guó)mes年會(huì)論文集[C];2009年

4 趙級(jí)漢;張國(guó)敬;姜龍;魏巍;;基于疊加高斯過(guò)程的數(shù)字噪聲產(chǎn)生方法FPGA實(shí)現(xiàn)[A];第二十四屆全國(guó)空間探測(cè)學(xué)術(shù)交流會(huì)論文摘要集[C];2011年

5 何志昆;劉光斌;姚志成;趙曦晶;;基于高斯過(guò)程回歸的FOG標(biāo)度因數(shù)溫度漂移建模新方法[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

6 單志輝;劉學(xué)軍;呂宏強(qiáng);;高斯過(guò)程回歸在翼型氣動(dòng)性能快速評(píng)估中的應(yīng)用[A];探索 創(chuàng)新 交流（第4集）——第四屆中國(guó)航空學(xué)會(huì)青年科技論壇文集[C];2010年

7 閆國(guó)啟;劉學(xué)軍;呂宏強(qiáng);;基于多輸出高斯過(guò)程回歸的飛機(jī)翼型快速設(shè)計(jì)[A];探索 創(chuàng)新 交流——第五屆中國(guó)航空學(xué)會(huì)青年科技論壇文集(第5集)[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 潘偉;基于高斯過(guò)程的高爐煉鐵過(guò)程辨識(shí)與預(yù)測(cè)[D];浙江大學(xué);2012年

2 賀建軍;基于高斯過(guò)程模型的機(jī)器學(xué)習(xí)算法研究及應(yīng)用[D];大連理工大學(xué);2012年

3 夏戰(zhàn)國(guó);基于高斯過(guò)程的提升機(jī)軸承性能評(píng)測(cè)方法研究[D];中國(guó)礦業(yè)大學(xué);2013年

4 趙偉;復(fù)雜工程結(jié)構(gòu)可靠度分析的高斯過(guò)程動(dòng)態(tài)響應(yīng)面方法研究[D];廣西大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 申倩倩;基于高斯過(guò)程的在線建模問(wèn)題研究[D];華南理工大學(xué);2011年

2 朱江;單任務(wù)以及多任務(wù)稀疏高斯過(guò)程[D];華東師范大學(xué);2014年

3 黃榮清;基于稀疏高斯過(guò)程回歸的半監(jiān)督分類(lèi)的序貫訓(xùn)練方法[D];華東師范大學(xué);2012年

4 魏三喜;基于高斯過(guò)程的分類(lèi)算法及其應(yīng)用研究[D];華南理工大學(xué);2012年

5 雷鳴;基于高斯過(guò)程的變形預(yù)測(cè)算法研究[D];東華理工大學(xué);2013年

6 張寅;用于回歸預(yù)測(cè)的高斯過(guò)程模型研究[D];河北工業(yè)大學(xué);2014年

7 莊超;基于高斯過(guò)程回歸的強(qiáng)化學(xué)習(xí)算法研究[D];蘇州大學(xué);2014年

8 萬(wàn)玲;基于高斯過(guò)程的時(shí)間序列分類(lèi)[D];中國(guó)礦業(yè)大學(xué);2014年

9 周楠;基于高斯過(guò)程機(jī)器學(xué)習(xí)方法的證券預(yù)測(cè)模型研究[D];電子科技大學(xué);2012年

10 李劍英;改進(jìn)高斯過(guò)程的硫化礦石自燃傾向性等級(jí)分類(lèi)[D];遼寧工程技術(shù)大學(xué);2012年

，

本文編號(hào)：2076740