学位论文 > 优秀研究生学位论文题录展示
计算智能分类方法及其在入侵检测中的应用研究
作 者: 李国栋
导 师: 夏克文
学 校: 河北工业大学
专 业: 微电子学与固体电子学
关键词: 计算智能分类方法 入侵检测 支持向量机 相关向量机
分类号: TP18
类 型: 博士论文
年 份: 2013年
下 载: 41次
引 用: 0次
阅 读: 论文下载
内容摘要
分类,顾名思义是将无规律的事物分为有规律,它是当今信息处理、数据挖掘和知识发现等诸多领域中的一项重要任务。随着信息技术的迅猛发展以及信息量呈指数形式增长,常用的分类方法凸显出不足,而智能分类法得到广泛应用和重视,特别是计算智能分类方法的研究具有重要的理论意义和应用价值。入侵检测是对入侵行为的检测,主要区分正常网络行为和异常入侵行为及其类型,在实际检测中是一个多分类问题,而采用计算智能分类法无疑能够大大提高入侵检测的效果。为此,本论文针对计算智能分类方法及其在入侵检测中的应用进行研究,其主要工作或创新如下:(1)为了解决粒子群(PSO)算法存在过早收敛、陷入局部极小等问题,研究了基于云模型的粒子群(CPSO)算法,主要采用云模型动态确定惯性权重,可以取得较快的优化速度且能避免陷入局部极小,经经典优化函数测试,结果表明CPSO算法优于PSO算法和蚁群(ACO)算法。进而研究了基于CPSO的神经网络分类方法,可以克服神经网络分类精度较低的缺点。仿真实验表明其分类方法在分类精度上得到较大提高。(2)基于统计学习理论的支持向量机(SVM)在分类上具有独特的优势,为了解决支持向量机(SVM)模型中惩罚参数和核参数凭经验选取或试验法的选取问题,运用云模型能提高优化策略、加快收敛速度等优点,研究基于云PSO的SVM分类方法(CPSO-SVM),即采用云PSO算法优化SVM模型及其参数。实验表明CPSO-SVM分类方法在入侵检测中,其检测精度高于经典SVM和基于PSO的SVM方法(PSO-SVM)。(3)基于稀疏贝叶斯框架下的相关向量机(RVM)具有计算量少、分类精度高等优点,但也存在模型参数的优化问题。为此,研究了基于云PSO的RVM分类方法(CPSO-RVM),即采用云PSO算法优化RVM模型及其核函数宽度参数。通过典型实验和KDDCup99数据库入侵检测资料的多分类问题的实际检测,结果表明:与PSO-RVM、PSO-SVM和CPSO-SVM等多种分类方法相比,CPSO-RVM分类方法的检测精度最高,大大降低了误报率。这为CPSO-RVM的广泛应用提供了科学依据。
|
全文目录
摘要 4-5 ABSTRACT 5-10 第一章 绪论 10-18 1.1 选题背景与意义 10-11 1.2 国内外研究现状与发展趋势 11-15 1.2.1 计算智能分类方法 11-13 1.2.2 入侵检测技术 13-15 1.3 本文研究内容与章节安排 15-18 1.3.1 主要研究内容 15 1.3.2 本文章节安排 15-18 第二章 进化计算方法研究 18-34 2.1 蚁群算法 18-25 2.1.1 算法描述 18-20 2.1.2 经典优化函数仿真 20-25 2.2 粒子群优化算法概说 25-28 2.2.1 常用算法描述 25-26 2.2.2 经典优化函数仿真 26-28 2.3 云粒子群优化算法 28-33 2.3.1 算法研究 28-30 2.3.2 经典优化函数仿真 30-33 2.4 本章小结 33-34 第三章 基于进化计算的神经网络分类方法研究 34-50 3.1 神经网络模型 34-39 3.1.1 BP 网络模型设计 34-36 3.1.2 常用算法描述 36-37 3.1.3 典型例子仿真 37-39 3.2 基于 ACO 的 ANN 分类方法 39-43 3.2.1 方法原理 39-40 3.2.2 算法步骤 40-41 3.2.3 典型例子仿真 41-43 3.3 基于 PSO 的 ANN 分类方法 43-46 3.3.1 方法原理及算法步骤 43-44 3.3.2 典型例子仿真 44-46 3.4 基于 CPSO 的 ANN 分类方法 46-49 3.4.1 方法原理及算法步骤 46-47 3.4.2 典型例子仿真 47-49 3.5 本章小结 49-50 第四章 基于进化计算的支持向量机分类方法研究 50-60 4.1 支持向量机模型 50-54 4.1.1 SVM 模型设计 50-52 4.1.2 常用算法描述 52-54 4.1.3 典型例子仿真 54 4.2 基于 PSO 的 SVM 分类方法 54-56 4.2.1 基于 PSO 的 SVM 算法 54-55 4.2.2 典型例子仿真 55-56 4.3 基于 CPSO 的 SVM 分类方法 56-59 4.3.1 基于云 PSO 的 SVM 算法 56-58 4.3.2 典型例子仿真 58-59 4.4 本章小结 59-60 第五章 基于进化计算的相关向量机分类方法研究 60-74 5.1 相关向量机模型 60-67 5.1.1 RVM 模型设计 60-63 5.1.2 常用算法描述 63-66 5.1.3 典型例子仿真 66-67 5.2 基于 PSO 的 RVM 分类方法 67-69 5.2.1 方法原理及算法步骤 67-69 5.2.2 典型例子仿真 69 5.3 基于 CPSO 的 RVM 分类方法 69-72 5.3.1 方法原理及算法步骤 69-71 5.3.2 典型例子仿真 71-72 5.4 本章小结 72-74 第六章 入侵检测实际应用 74-90 6.1 多分类检测 74-75 6.1.1 问题提出 74 6.1.2 方法描述 74-75 6.2 实际应用 75-84 6.2.1 实验环境与数据来源 75-81 6.2.2 应用步骤 81 6.2.3 效果分析 81-84 6.3 分类算法挂接智能数据挖掘系统 84-88 6.3.1 软件系统描述 84-85 6.3.2 分类算法挂接挖掘系统与结果显示 85-88 6.4 本章小结 88-90 第七章 总结与展望 90-92 参考文献 92-102 攻读学位期间所取得的相关科研成果 102-104 致谢 104
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 基于行为可信的无线传感器网络入侵检测技术的研究,TP212.9
- 不匹配信道下耳语音说话人识别研究,TN912.34
- 基于文本挖掘的学者简历自动生成,TP391.1
- LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
- 基于MRI灌注的计算机辅助肝脏病变检测,R445.2
- 基于机器学习的入侵检测系统研究,TP393.08
- 基于支持向量机的基因表达数据降维方法的研究,TP181
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|