10.16208/j.issn10000-7024.2017.08.044
入侵检测中基于IBQGSA的特征选择及SVM参数优化
针对支持向量机(SVM)应用于网络入侵检测时特征选择及分类器参数优化问题,利用改进的二进制量子引力搜索算法(IBQGSA)对入侵特征集及SVM参数进行组合寻优.将入侵特征集及SVM参数看作是二进制量子引力搜索算法中的量子个体并进行组合编码,在使用量子旋转门更新个体位移时,引入动态的位移更新策略,确保算法收敛到全局极值,设计与进化程度及个体适应度值相关的自适应变异概率,提升量子非门变异操作时算法的自适应变异能力.利用KDDCUP 99数据集进行仿真实验,实验结果表明,所提算法能有效地获取最佳特征子集及分类器参数组合,检测效果更好.
二进制量子引力搜索、支持向量机、特征选择、参数优化、入侵检测
38
TP18(自动化基础理论)
国家自然科学基金项目61305058;江苏省自然科学基金项目15KJB520016
2017-10-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
2227-2234