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

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 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
  3. 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
  4. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  5. 音乐结构自动分析研究,TN912.3
  6. 基于三维重建的焊点质量分类方法研究,TP391.41
  7. 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
  8. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  9. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  10. 基于图像的路面破损识别,TP391.41
  11. 基于支持向量机的故障诊断方法研究,TP18
  12. 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
  13. 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
  14. 基于车载3D加速传感器的路况监测研究,TP274
  15. 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
  16. 不匹配信道下耳语音说话人识别研究,TN912.34
  17. 基于文本挖掘的学者简历自动生成,TP391.1
  18. LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
  19. 基于MRI灌注的计算机辅助肝脏病变检测,R445.2
  20. 基于机器学习的入侵检测系统研究,TP393.08
  21. 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