本文關(guān)鍵詞：一種基于混合核函數(shù)PSO_SVR的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法

  更多相關(guān)文章： 態(tài)勢預(yù)測 網(wǎng)絡(luò)安全 混合核函數(shù) 粒子群算法 支持向量機

【摘要】：為了對錯綜復(fù)雜的網(wǎng)絡(luò)安全形勢做出可靠的預(yù)測,提出了一種基于混合核函數(shù)PSO_SVR的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型.本模型針對基于傳統(tǒng)支持向量機(SVR)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型精度不夠高,其核函數(shù)的選擇及參數(shù)的設(shè)定沒有統(tǒng)一標準的情況,構(gòu)造了一種兼顧插值能力和外推性能的混合核函數(shù).并引入粒子群算法(PSO)對基于混合核函數(shù)的SVR進行參數(shù)尋優(yōu),有效地提高了SVR預(yù)測能力.通過仿真實驗表明,該模型相比與傳統(tǒng)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法,預(yù)測精度上更有保障.
【作者單位】： 重慶郵電大學(xué)移動通信技術(shù)重慶市重點實驗室;
【關(guān)鍵詞】： 態(tài)勢預(yù)測 網(wǎng)絡(luò)安全 混合核函數(shù) 粒子群算法 支持向量機
【基金】：國家自然科學(xué)基金項目(61271260) 教育部科學(xué)研究重點項目(212145) 重慶市教委科學(xué)技術(shù)研究項目(KJ1400405)
【分類號】：TP393.08
【正文快照】：

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 陳虹;王飛;肖振久;;基于PSO_SVR的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法[J];計算機應(yīng)用與軟件;2014年08期

2 孫俊;王艷;金夏明;毛罕平;;基于MSCPSO混合核SVM參數(shù)優(yōu)化的生菜品質(zhì)檢測[J];農(nóng)業(yè)機械學(xué)報;2013年09期

3 尤馬彥;凌捷;郝彥軍;;基于Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法[J];計算機科學(xué);2012年06期

4 王晉東;沈柳青;王坤;王娜;;網(wǎng)絡(luò)安全態(tài)勢預(yù)測及其在智能防護中的應(yīng)用[J];計算機應(yīng)用;2010年06期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 程凱;董雪;;因子分析和神經(jīng)網(wǎng)絡(luò)的光纖通信網(wǎng)絡(luò)風險分析[J];激光雜志;2016年02期

2 李潔;張兆薇;;基于和聲搜索算法和相關(guān)向量機的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法[J];計算機應(yīng)用;2016年01期

3 李方偉;羅嘉;朱江;張海波;;一種基于混合核函數(shù)PSO_SVR的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法[J];微電子學(xué)與計算機;2015年12期

4 梁潘;賀偉;;基于MCS-RELM的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型[J];中北大學(xué)學(xué)報(自然科學(xué)版);2015年05期

5 張?zhí)斓?;基于組合模型的網(wǎng)絡(luò)安全態(tài)勢估計[J];計算機與現(xiàn)代化;2015年08期

6 李月玉;李磊;;免疫粒子群算法與支持向量機在枯水期月徑流預(yù)測中的應(yīng)用[J];水資源與水工程學(xué)報;2015年03期

7 肖漢杰;桑秀麗;;相關(guān)向量機超參數(shù)優(yōu)化的網(wǎng)絡(luò)安全態(tài)勢預(yù)測[J];計算機應(yīng)用;2015年07期

8 宋嚴;;灰色關(guān)聯(lián)分析與支持向量機相融合的網(wǎng)絡(luò)安全態(tài)勢評價[J];激光雜志;2015年04期

9 魏節(jié)敏;;基于ARIMA-RVM的信息安全風險估計[J];激光雜志;2015年04期

10 郝亞培;王曉曄;柴曉瑞;;基于時間序列的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法研究[J];天津理工大學(xué)學(xué)報;2015年02期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 尤馬彥;凌捷;郝彥軍;;基于Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法[J];計算機科學(xué);2012年06期

2 劉偉;王建平;劉長虹;應(yīng)鐵進;;基于粒子群尋優(yōu)的支持向量機番茄紅素含量預(yù)測[J];農(nóng)業(yè)機械學(xué)報;2012年04期

3 孟錦;馬馳;何加浪;張宏;;基于HHGA-RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型[J];計算機科學(xué);2011年07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)勢感知方法[J];軟件學(xué)報;2011年03期

5 王佳;徐蔚鴻;;基于動量粒子群的混合核SVM參數(shù)優(yōu)化方法[J];計算機應(yīng)用;2011年02期

6 奉國和;;SVM分類核函數(shù)及參數(shù)選擇比較[J];計算機工程與應(yīng)用;2011年03期

7 朱鳳明;樊明龍;;混沌粒子群算法對支持向量機模型參數(shù)的優(yōu)化[J];計算機仿真;2010年11期

8 黨小超;郝占軍;;季節(jié)周期性Elman網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分析與應(yīng)用[J];計算機工程與應(yīng)用;2010年28期

9 王晉東;沈柳青;王坤;王娜;;網(wǎng)絡(luò)安全態(tài)勢預(yù)測及其在智能防護中的應(yīng)用[J];計算機應(yīng)用;2010年06期

10 朱幫助;林健;;基于ARIMA和LSSVM的非線性集成預(yù)測模型[J];數(shù)學(xué)的實踐與認識;2009年12期

，

本文編號：717959