论文研究-一种基于改进支持向量机的入侵检测方法研究.pdf

【文件属性】：
文件名称：论文研究-一种基于改进支持向量机的入侵检测方法研究.pdf
文件大小：833KB
文件格式：PDF
更新时间：2022-09-28 04:40:07
论文研究 提出基于粒子群优化（Particle Swarm Optimization，PSO）算法和支持向量机（Support Vector Machines，SVM）的入侵检测方法，为优化SVM性能，使用PSO的全局搜索特性寻找SVM的最优参数[C]和[σ]；为避免PSO算法陷入局部最优，引入变异操作，找到最优参数组合后进行基于PSO_SVM入侵检测算法的训练和检测，解决了入侵检测系统准确度难题。仿真实验表明该方法的检测率为92.8%，误报率为6.911 9%，漏报率为9.708 7%，对KDDCUP竞赛的最佳结果有一定程度的提高，实验结果验证了该算法的有效性和可行性。