一种融合改进智能蜂群算法和BP神经网络的入侵检测方法.pdf
猫巷****熙柔
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种融合改进智能蜂群算法和BP神经网络的入侵检测方法.pdf
本发明公开了一种融合改进智能蜂群算法和BP神经网络的入侵检测方法,包括以下步骤:搜集网络数据包并进行预处理,作为入侵检测模型训练数据;设计多层神经网络模型,为隐藏层和输出层神经元设置激活函数;使用改进智能蜂群算法对神经网络模型进行预训练,输出最优蜜源位置向量;按照最优蜜源位置向量设置神经网络模型的初始权值和阈值;设计反向传播算法并用入侵检测数据对神经网络进行训练,得到神经网络入侵检测模型;设计网络入侵检测软件模块,将其部署在网络环境中实时检测网络数据流量,对检测出的异常网络流量产生报警。本发明采用改进智能
一种基于人工蜂群优化的BP算法的入侵检测方法及其系统.pdf
本发明公开了一种基于人工蜂群优化的BP算法的入侵检测方法及其系统,该方法包括:对采集的主机日志文件和网络数据形成一包进行预处理,获得主机日志文件和网络数据的特征向量并转化为BP神经网络算法可识别的输入值;对BP神经网络算法进行初始化,将连接输入层与隐藏层的权值W
基于改进人工蜂群算法的DDOS入侵检测方法及系统.pdf
本发明提供一种基于改进人工蜂群算法的DDOS入侵检测方法及系统,属于网络安全领域,本发明采用聚类算法对数据流进行分类,比较流量分布熵的特征,检测DDOS攻击数据流特征,实现对DDoS攻击数据流的有效检测。实验结果表明,该系统在算法耗时、分布式拒绝服务(DDoS)检测精度优于基于普通蜂群算法和基于K均值的分布式拒绝服务(DDoS)检测算法。
一种基于改进的人工蜂群算法与BP神经网络的基坑变形预测方法.pdf
本发明提供了一种基于改进的人工蜂群算法与BP神经网络的基坑变形预测方法,解决现有难以提前预判可能出现风险的类型和风险部位的难题,利用灰色关联度分析法可找出与预测目标变化趋势具有一致性的输入变量,利用加入自适应系数改进的人工蜂群算法在全局内寻找BP神经网络的较优初始值,加速网络的训练速度,提高预测精度,在施工前预测基坑开挖后可能产生的变形,提前估算所采取施工参数的合理性,对于保证施工安全,控制基坑变形,科学规划施工进度有借鉴意义。
改进人工鱼群算法优化BP神经网络的平轮故障检测方法.pdf
本发明公开了一种改进人工鱼群算法优化BP神经网络的平轮故障检测方法。该方法步骤如下:在轨道内侧低于钢轨平面位置部署振动加速度传感器,采集平轮车轮振动加速度数据;分析采集数据的特征,进行数据分段,滤除相邻车轮之间的无关振动数据,得到各个车轮所对应的有效振动加速度信号;使用经验模态分解方法对各个车轮振动加速度信号进行分解,得到有效模态分量;设定训练样本和测试样本,选取振动加速度信号的特征值并进行计算;将模态分量特征值输入改进人工鱼群算法优化的BP神经网络中进行训练,当网络均方根误差满足要求时停止训练;得到训练