10.3969/j.issn.1001-506X.2016.12.28
基于 APDE-RBF 神经网络的网络安全态势预测方法
为了提高径向基函数(radical basis function,RBF)神经网络对网络安全态势的预测精度,提出了一种基于吸引力传播(affinity propagation,AP)聚类和差分进化(differential evolution,DE)优化 RBF 神经网络的算法。首先,利用 AP 聚类算法对样本数据进行划分聚类,从而获得 RBF 的中心和网络的隐含层节点数;其次,利用 AP 聚类得出种群差异度,自适应地改变 DE 算法的缩放因子和交叉概率,对 RBF 的宽度和连接权值进行优化;同时为了避免陷入局部最优以及跳出局部极值点,对每一代种群的精英个体和种群差异度中心进行混沌搜索。通过仿真实验表明,此算法在泛化能力增强的同时,对网络安全态势也达到了较高的预测精度。
径向基函数、吸引力传播聚类、差分进化、种群差异度、混沌搜索
38
TP393(计算技术、计算机技术)
国家自然科学基金项目61271260,61301122;重庆市科委自然科学基金项目cstc2015jcyjA40050资助课题
2017-01-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
2869-2875