10.3969/j.issn.1007-130X.2019.01.009
改进的HS算法优化BP神经网络的入侵检测研究
基于传统BP神经网络的入侵检测中,BP神经网络算法模型存在着易陷入局部最优且初始值随机性较大的缺陷.初始值的选择直接影响到BP神经网络的训练效果,较好的初始值有利于BP神经网络跳过局部最优,从而提高训练效率.针对BP神经网络的缺陷,提出了用改进的和声搜索算法对BP神经网络的初始值进行优化,使得BP神经网络得到一组较优的初值的方法.实验结果显示,改进的和声搜索算法具有更高的适应度函数值,将该算法优化的BP神经网络用在入侵检测中,能够显著提高算法检测率和收敛速率.
BP神经网络、入侵检测、和声搜索算法、初始值优化、局部最优
41
TP393.081(计算技术、计算机技术)
贵州省科学基金黔科合J字[2011]2328;贵州省科学基金黔科合LH字[2014]7634
2019-03-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
65-72