姜念
- 作品数：3 被引量：3H指数：1
- 供职机构：郑州大学电气工程学院更多>>
- 发文基金：河南省杰出人才创新基金国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 用于异常检测的小参数集树突状细胞算法
- 2010年
- 树突状细胞算法（dendritic cell algorithm,DCA）是受自然免疫系统中树突状细胞的功能启发的免疫算法。当应用于实时异常检测时该算法具有优越的性能,但由于参数和随机元素相当多,算法难于分析。提出了一种用于异常检测的小参数集树突状细胞算法,在保证算法实现正确功能的前提下,减少了DCA中的参数,使算法参数数量得到了控制。此外,新算法还定义了更为简洁的信号处理过程以及对应的异常度量和异常阈值。最后,利用端口扫描数据集对算法进行了测试,实验结果表明,新算法是DCA的一种有效形式,新的异常度量更加敏感且它体现出的正确分类时间延长了30.3%~56.7%。
- 王杰张毅姜念
- 关键词：异常检测端口扫描树突状细胞算法
- 区间自适应粒子群算法研究及其应用
- 粒子群优化算法/(PSO/)是一种新颖的群体智能优化算法,该算法是由Kennedy和Eberhart在1995年提出的,源于对鸟群和鱼群等群体行为的模拟仿真得到的。粒子群优化算法简单明了,易于实现,可调控的参数很少,且算...
- 姜念
- 关键词：粒子群优化算法惯性权重支持向量机入侵检测
- 文献传递
- SVM算法的区间自适应PSO优化及其应用被引量：1
- 2011年
- 核(Kernel)参数选取对支持向量机的推广能力和泛化能力有至关重要的作用,尤其是在对大量数据进行识别分类时,需要占用计算机大量内存,SVM参数优化速度明显缓慢,从而影响了整个系统性能.针对此问题,笔者提出一种区间自适应粒子群算法来优化SVM参数,粒子根据实际情况动态平衡其全局搜索与局部搜索能力,提高了参数优化速度.在入侵检测系统的应用中,与蚁群算法、遗传算法优化SVM参数的结果进行比较.实验证明:此方法分类精度提高约9.7%,响应时间缩短约40.6%～56.5%,具有较大的优势.
- 王杰姜念张毅
- 关键词：支持向量机自适应粒子群优化算法入侵检测
