10.3969/j.issn.1003-5060.2008.11.016
优化的RBF神经网络在入侵检测中的应用
在入侵检测的应用中,RBF神经网络训练样本的数据量比较大,但是训练中广泛应用的OLS方法存在大数据量训练时间过长、不能根据数据特性确定平滑参数的缺点.针对此问题该文采用了一种基于快速模糊C-均值算法(AFCM)和正交最小二乘法(OLS)算法相结合的AFORBF训练算法;试验证明,AFORBF算法解决了RBF在入侵检测系统中处理大数据量时间过长的问题,获得了较高的检测率,简化了网络结构,提高了网络性能.
入侵检测、RBF神经网络、快速模糊C-均值算法、正交最小二乘法
31
TP393.08(计算技术、计算机技术)
2009-02-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
1794-1797