發(fā)布時間：2018-06-28 04:30

  本文選題：態(tài)勢預測 + 高斯過程��； 參考：《系統(tǒng)工程與電子技術》2015年08期

【摘要】：針對共軛梯度法獲取高斯過程超參數存在迭代次數難以確定及預測不精準等問題,提出一種螢火蟲群算法優(yōu)化高斯過程的預測方法,并將其應用于網絡安全態(tài)勢預測研究。采用螢火蟲群優(yōu)化算法對高斯過程超參數進行智能尋優(yōu),建立基于高斯過程回歸的網絡安全態(tài)勢預測模型。實驗結果表明新方法的平均相對預測誤差較共軛梯度法、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,分析對比了3種單一類型和2種復合類型的協方差函數對高斯過程預測的影響,實驗結果表明采用神經網絡與有理二次的復合協方差函數(neural network and rational quadratic composite covariance function,NN-RQ)的平均相對預測誤差較其他4類協方差函數降低了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】： 空軍工程大學信息與導航學院;空軍工程大學空管領航學院;
【基金】：國家自然科學基金(61201209)資助課題
【分類號】：TP393.08

【參考文獻】

相關期刊論文 前6條

1 張樂;劉忠;張建強;任雄偉;;基于人工蜂群算法優(yōu)化的改進高斯過程模型[J];國防科技大學學報;2014年01期

2 孟洛明;朱杰輝;楊楊;孟玲莉;張平平;高志鵬;;支持向量機回歸預測在網絡故障檢測中的應用[J];北京郵電大學學報;2014年S1期

3 吳琨;白中英;;集對分析的可信網絡安全態(tài)勢評估與預測[J];哈爾濱工業(yè)大學學報;2012年03期

4 張勇;譚小彬;崔孝林;奚宏生;;基于Markov博弈模型的網絡安全態(tài)勢感知方法[J];軟件學報;2011年03期

5 謝麗霞;王亞超;于巾博;;基于神經網絡的網絡安全態(tài)勢感知[J];清華大學學報(自然科學版);2013年12期

6 徐沖;劉保國;劉開云;郭佳奇;;基于粒子群-高斯過程回歸耦合算法的滑坡位移時序分析預測智能模型[J];巖土力學;2011年06期

【共引文獻】

相關期刊論文 前10條

1 周永權;黃正新;劉洪霞;;求解TSP問題的離散型螢火蟲群優(yōu)化算法[J];電子學報;2012年06期

2 劉剛;李千目;張宏;;信度向量正交投影分解的網絡安全風險評估方法[J];電子與信息學報;2012年08期

3 邵澤云;;計算機網絡安全問題及防范技術研究[J];電腦知識與技術;2012年34期

4 鄭港;鄢小虎;謝齊家;聶德鑫;盧文華;張海龍;李敏;;一種基于螢火蟲支持向量機的油色譜在線數據校正方法[J];高壓電器;2013年09期

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

6 趙攀;劉勇;張弘;;無線傳感器網絡轉發(fā)能效計算方法[J];遼寧工程技術大學學報(自然科學版);2013年12期

7 張樂;劉忠;張建強;任雄偉;;基于人工蜂群算法優(yōu)化的改進高斯過程模型[J];國防科技大學學報;2014年01期

8 何坤;趙利強;王建林;于濤;;基于樣本稀疏化高斯過程的發(fā)酵過程軟測量建模方法[J];北京化工大學學報(自然科學版);2014年03期

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

10 李方偉;鄭波;朱江;張海波;;一種基于AC-RBF神經網絡的網絡安全態(tài)勢預測方法[J];重慶郵電大學學報(自然科學版);2014年05期

相關會議論文 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

相關博士學位論文 前10條

1 陳俊風;一類計算智能方法的停滯問題研究[D];浙江大學;2011年

2 李志東;基于融合決策的網絡安全態(tài)勢感知技術研究[D];哈爾濱工程大學;2012年

3 孟錦;網絡安全態(tài)勢評估與預測關鍵技術研究[D];南京理工大學;2012年

4 王改革;基于智能算法的目標威脅估計[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2013年

5 房芳;基于綠色經濟的風火電聯合運營規(guī)劃及效益評價研究[D];華北電力大學;2013年

6 張研;地下工程巖體非線性行為預測識別的高斯過程模型與動態(tài)智能反饋分析[D];廣西大學;2013年

7 張建鋒;網絡安全態(tài)勢評估若干關鍵技術研究[D];國防科學技術大學;2013年

8 鄭文斌;基于協作傳輸的群智能無線傳感器網節(jié)點部署研究[D];哈爾濱工業(yè)大學;2014年

9 宋紹義;未來互聯網絡資源負載均衡研究[D];北京郵電大學;2014年

10 劉永磊;基于體系結構的無線局域網安全弱點研究[D];天津大學;2014年

相關碩士學位論文 前10條

1 楊艷;人工螢火蟲優(yōu)化算法在數值計算中的應用[D];廣西民族大學;2011年

2 尤馬彥;網絡安全態(tài)勢評估技術的研究與實現[D];廣東工業(yè)大學;2012年

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

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

5 周楊;中國農村社會預警指數研究[D];華中師范大學;2012年

6 張建順;針對WSN分割網絡攻擊的應對策略研究[D];北方工業(yè)大學;2012年

7 袁亞杰;幾種新型群智能算法的改進研究[D];山東師范大學;2013年

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

9 亢少將;螢火蟲優(yōu)化算法的研究與改進[D];廣東工業(yè)大學;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分析[D];西南大學;2013年

【二級參考文獻】

相關期刊論文 前10條

1 蘇國韶;燕柳斌;張小飛;江權;;基坑位移時間序列預測的高斯過程方法[J];廣西大學學報(自然科學版);2007年02期

2 鄭賢斌;陳國明;;基于SPA安全綜合評價方法及其應用[J];哈爾濱工業(yè)大學學報;2006年02期

3 趙國生;王慧強;王健;;基于灰色Verhulst的網絡安全態(tài)勢感知模型[J];哈爾濱工業(yè)大學學報;2008年05期

4 韋勇;連一峰;馮登國;;基于信息融合的網絡安全態(tài)勢評估模型[J];計算機研究與發(fā)展;2009年03期

5 任偉;蔣興浩;孫錟鋒;;基于RBF神經網絡的網絡安全態(tài)勢預測方法[J];計算機工程與應用;2006年31期

6 唐成華;余順爭;;一種基于似然BP的網絡安全態(tài)勢預測方法[J];計算機科學;2009年11期

7 王春雷;方蘭;王東霞;戴一奇;;基于知識發(fā)現的網絡安全態(tài)勢感知系統(tǒng)[J];計算機科學;2012年07期

8 韋勇;連一峰;;基于日志審計與性能修正算法的網絡安全態(tài)勢評估模型[J];計算機學報;2009年04期

9 陳秀真;鄭慶華;管曉宏;林晨光;;層次化網絡安全威脅態(tài)勢量化評估方法[J];軟件學報;2006年04期

10 張永錚;方濱興;遲悅;云曉春;;用于評估網絡信息系統(tǒng)的風險傳播模型[J];軟件學報;2007年01期

相關博士學位論文 前1條

1 張勇;網絡安全態(tài)勢感知模型研究與系統(tǒng)實現[D];中國科學技術大學;2010年

【相似文獻】

相關期刊論文 前10條

1 呂勝尚;;關于高斯過程的幾個問題[J];西北電訊工程學院學報;1986年02期

2 喻鑫;柳健;田金文;;基于高斯過程的點匹配方法[J];華中科技大學學報(自然科學版);2007年12期

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

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

5 李宏偉;劉揚;盧漢清;方亦凱;;結合半監(jiān)督核的高斯過程分類[J];自動化學報;2009年07期

6 黃麗平;孫永雄;申晨;;用基于中值濾波的高斯過程預測3G網絡性能[J];計算機工程與應用;2013年02期

7 夏戰(zhàn)國;夏士雄;蔡世玉;萬玲;;類不均衡的半監(jiān)督高斯過程分類算法[J];通信學報;2013年05期

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

9 劉輝;白峰杉;;基于混合高斯過程模型的高光譜圖像分類算法[J];高校應用數學學報A輯;2010年04期

10 張樂;劉忠;張建強;任雄偉;;基于人工蜂群算法優(yōu)化的改進高斯過程模型[J];國防科技大學學報;2014年01期

相關會議論文 前7條

1 劉信恩;肖世富;莫軍;;用于不確定性分析的高斯過程響應面模型設計點選擇方法研究[A];中國計算力學大會'2010（CCCM2010）暨第八屆南方計算力學學術會議（SCCM8）論文集[C];2010年

2 劉冬;張清華;;基于高斯過程的精密衛(wèi)星鐘差加密[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

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

4 趙級漢;張國敬;姜龍;魏巍;;基于疊加高斯過程的數字噪聲產生方法FPGA實現[A];第二十四屆全國空間探測學術交流會論文摘要集[C];2011年

5 何志昆;劉光斌;姚志成;趙曦晶;;基于高斯過程回歸的FOG標度因數溫度漂移建模新方法[A];第25屆中國控制與決策會議論文集[C];2013年

6 單志輝;劉學軍;呂宏強;;高斯過程回歸在翼型氣動性能快速評估中的應用[A];探索 創(chuàng)新 交流（第4集）——第四屆中國航空學會青年科技論壇文集[C];2010年

7 閆國啟;劉學軍;呂宏強;;基于多輸出高斯過程回歸的飛機翼型快速設計[A];探索 創(chuàng)新 交流——第五屆中國航空學會青年科技論壇文集(第5集)[C];2012年

相關博士學位論文 前4條

1 潘偉;基于高斯過程的高爐煉鐵過程辨識與預測[D];浙江大學;2012年

2 賀建軍;基于高斯過程模型的機器學習算法研究及應用[D];大連理工大學;2012年

3 夏戰(zhàn)國;基于高斯過程的提升機軸承性能評測方法研究[D];中國礦業(yè)大學;2013年

4 趙偉;復雜工程結構可靠度分析的高斯過程動態(tài)響應面方法研究[D];廣西大學;2014年

相關碩士學位論文 前10條

1 申倩倩;基于高斯過程的在線建模問題研究[D];華南理工大學;2011年

2 朱江;單任務以及多任務稀疏高斯過程[D];華東師范大學;2014年

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

4 魏三喜;基于高斯過程的分類算法及其應用研究[D];華南理工大學;2012年

5 雷鳴;基于高斯過程的變形預測算法研究[D];東華理工大學;2013年

6 張寅;用于回歸預測的高斯過程模型研究[D];河北工業(yè)大學;2014年

7 莊超;基于高斯過程回歸的強化學習算法研究[D];蘇州大學;2014年

8 萬玲;基于高斯過程的時間序列分類[D];中國礦業(yè)大學;2014年

9 周楠;基于高斯過程機器學習方法的證券預測模型研究[D];電子科技大學;2012年

10 李劍英;改進高斯過程的硫化礦石自燃傾向性等級分類[D];遼寧工程技術大學;2012年

，

本文編號：2076740