资料下载
×
如何改进飞蛾扑火优化算法在网络入侵检测系统中的应用
消耗积分:0 |
格式:rar |
大小:0.88 MB |
2018-11-22
分享资料个
针对当前网络入侵检测中的数据量较大、数据维度较高的特点，将飞蛾扑火优化（ MFO）算法应用于网络入侵检测的特征选择中。鉴于MFO算法收敛过快、易陷入局部最优的问题，提出一种融合粒子群优化（ PSO）的二进制飞蛾扑火优化（ BPMFO）算法。该算法引入MFO螺旋飞行公式，具有较强的局部搜索能力;结合了粒子群优化（PSO）算法的速度更新方法，让种群个体随着全局最优解和历史最优解的方向移动，增强算法的全局收敛性，从而避免易陷入局部最优。仿真实验以KDD CUP 99数据集为实验基础，分别采用支持向量机（SVM）、K最近邻（ KNN）算法和补素贝叶斯（NBC）3种分类器，与二进制飞蛾扑火优化（ BMFO）算法、二进制粒子群优化（ BPSO）算法、二进制遗传算法（BCA）、二进制灰狼优化（ BGWO）算法和二进制布谷乌搜索（BCS）算法进行了实验对比。实验结果表明，BPMFO算法应用于网络入侵检测的特征选择时，在算法精度、运行效率、稳定性、收敛速度以及跳出局部最优的综合性能上具有明显优势。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
