原文服务方: 化工学报       
摘要:
针对日趋严峻的石化行业工业控制系统(ICS)安全形势,提出一种基于粒子群优化(PSO)和万有引力搜索算法(GSA)的前向神经网络(FNNPSOGSA),用于解决其中的入侵检测问题.分别利用GSA的全局寻优能力和PSO快速局部收敛优势,提出了一种基于PSO和GSA的混合算法PSOGSA,并将其用于前向神经网络(FNNs)的训练.通过多组基准测试数据集,将FNNPSOGSA预测结果同FNNPSO、FNNGSA和参考文献中改进的FRGNN(K-NN)和FRGNN(Naive Bayes)预测结果相比较,验证了PSOGSA在训练FNNs中是可行的,并且FNNPSOGSA具有更高的预测准确率和更强的泛化能力.更进一步,对工控入侵检测标准数据集的仿真结果表明其在工控系统入侵检测中的可行性和有效性.
推荐文章
基于神经网络的入侵检测系统
神经网络
入侵检测
特征提取
基于神经网络的入侵检测模型
入侵
入侵检测系统
神经网络
基于动态模糊神经网络的入侵检测系统
入侵检测
动态模糊神经网络
入侵检测系统
基于神经网络集成的入侵检测系统
神经网络集成
数据筛选
入侵检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PSOGSA前向神经网络的石化控制系统入侵检测
来源期刊 化工学报 学科
关键词 神经网络 优化 算法 粒子群优化 引力搜索算法 工业控制系统
年,卷(期) 2018,(z2) 所属期刊栏目 过程系统工程
研究方向 页码范围 350-357
页数 8页 分类号 TP309|TP393.08|TP18
字数 语种 中文
DOI 10.11949/j.issn.0438-1157.20181244
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐文星 北京石油化工学院信息工程学院 16 42 4.0 5.0
2 王万红 北京石油化工学院信息工程学院 3 12 2.0 3.0
3 赵国新 北京石油化工学院信息工程学院 23 30 3.0 4.0
4 刘才 北京石油化工学院化学工程学院 5 8 2.0 2.0
5 王芳 北京石油化工学院信息工程学院 2 3 1.0 1.0
6 景邵星 北京石油化工学院信息工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (89)
共引文献  (171)
参考文献  (22)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(7)
  • 参考文献(1)
  • 二级参考文献(6)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(11)
  • 参考文献(4)
  • 二级参考文献(7)
2012(12)
  • 参考文献(0)
  • 二级参考文献(12)
2013(9)
  • 参考文献(1)
  • 二级参考文献(8)
2014(14)
  • 参考文献(1)
  • 二级参考文献(13)
2015(8)
  • 参考文献(4)
  • 二级参考文献(4)
2016(6)
  • 参考文献(3)
  • 二级参考文献(3)
2017(5)
  • 参考文献(5)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
神经网络
优化
算法
粒子群优化
引力搜索算法
工业控制系统
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
化工学报
月刊
0438-1157
11-1946/TQ
大16开
1923-01-01
chi
出版文献量(篇)
11879
总下载数(次)
0
总被引数(次)
117834
论文1v1指导