發(fā)布時(shí)間：2018-10-18 14:09

【摘要】：針對(duì)支持向量機(jī)(SVM)性能的影響,探討了人工蜂群算法(ABC)對(duì)SVM參數(shù)優(yōu)化方法,建立了SVM參數(shù)優(yōu)化模型,并將其用于網(wǎng)絡(luò)安全中的網(wǎng)絡(luò)入侵模型中.采用KDD 1999數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn),驗(yàn)證了方法的有效性,結(jié)果表明,與遺傳算法等傳統(tǒng)優(yōu)化算法相比,ABC優(yōu)化的SVM有效地降低運(yùn)行時(shí)間,可以獲得更高的網(wǎng)絡(luò)入侵檢測(cè)率.
[Abstract]:In view of the effect of support vector machine (SVM) on the performance of (SVM), this paper discusses the optimization method of SVM parameters by artificial bee colony algorithm (ABC), establishes the SVM parameter optimization model, and applies it to the network intrusion model in network security. The effectiveness of the method is verified by using KDD 1999 dataset. The results show that compared with the traditional optimization algorithm such as genetic algorithm, the SVM optimized by ABC can effectively reduce the running time and obtain a higher network intrusion detection rate.
【作者單位】： 淮海工學(xué)院信息中心;
【分類號(hào)】：TP18;TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

2 徐飛;徐衛(wèi)亞;王珂;;基于蟻群優(yōu)化最小二乘支持向量機(jī)模型的邊坡穩(wěn)定性分析[J];工程地質(zhì)學(xué)報(bào);2009年02期

3 燕飛;秦世引;;一種基于模擬退火的支持向量機(jī)超參數(shù)優(yōu)化算法[J];航天控制;2008年05期

4 向西西;黃宏光;李予東;;基于Kalman算法的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)仿真;2010年12期

5 周荃;王崇駿;王s，

本文編號(hào)：2279363