改进PSO算法的支持向量机在NIDS中的应用

• 作者: 汪世义 王华彬
• 来源期刊: 科技与创新
• 关键词: 粒子群优化 支持向量机 入侵检测系统
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 信息安全
• 页码范围: 106-107,93
• 页数: 3页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2009.12.044

摘要

支持向量机(SVM)作为一种分类技术已经成功运用于入侵检测,但是支持向量机的性能与参数的选择相关.在实际应用中支持向量机的参数选取问题一直没有得到很好地解决.粒子群优化(PSO)算法作为一种基于群智能方法的进化计算技术,具有良好的全局搜索能力.为了能够自动获取最优的支持向量机参数,提出了在入侵检测系统中基于改进微粒群优化(IPSO)算法的支持向量机参数选择方法,以kdd99数据集进行了仿真实验.仿真实验结果表明:基于粒子群训练的支持向量机方法能够比较好地提高入侵检测系统中数据的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪世义	巢湖学院计算机系	26	79	5.0	7.0
2	王华彬	安徽大学智能计算与信号处理教育部重点实验室	37	182	8.0	11.0