本文關(guān)鍵詞：基于PSO_SVR的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法

  更多相關(guān)文章： 支持向量機(jī)回歸 粒子群優(yōu)化算法 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè) 參數(shù)優(yōu)化

【摘要】：針對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)感知中的態(tài)勢(shì)預(yù)測(cè)問(wèn)題,提出一種基于PSO_SVR的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法。該方法將支持向量回歸機(jī)(SVR)嵌入到粒子群優(yōu)化算法(PSO)的適應(yīng)度計(jì)算過(guò)程中,利用PSO算法的全局搜索能力來(lái)優(yōu)化選取SVR的參數(shù),在一定程度上提升了SVR的學(xué)習(xí)能力和泛化能力。仿真實(shí)驗(yàn)表明,通過(guò)與已有的其他預(yù)測(cè)方法作對(duì)比,該方法具有更好的預(yù)測(cè)效果。
【作者單位】： 遼寧工程技術(shù)大學(xué)軟件學(xué)院;中國(guó)傳媒大學(xué)計(jì)算機(jī)學(xué)院;
【關(guān)鍵詞】： 支持向量機(jī)回歸 粒子群優(yōu)化算法 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè) 參數(shù)優(yōu)化
【基金】：國(guó)家自然科學(xué)基金(61103199)
【分類(lèi)號(hào)】：TP393.08;TP18
【正文快照】： 0引言網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)是網(wǎng)絡(luò)安全領(lǐng)域近幾年發(fā)展起來(lái)的一個(gè)研究熱點(diǎn),主要在網(wǎng)絡(luò)安全態(tài)勢(shì)要素的感知與獲取、網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估和網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)等方面展開(kāi)研究。對(duì)于網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型,目前有很多相關(guān)研究:文獻(xiàn)[1]中Bass等提出基于多傳感器數(shù)據(jù)融合的網(wǎng)絡(luò)安全態(tài)勢(shì)感，

本文編號(hào)：663611