改进磷虾群算法优化ELM的入侵检测

• 作者: 刘唐 周炜 王晓丹
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 入侵检测 极限学习机(ELM) 单隐层前馈神经网络(SLFN) 磷虾群算法 泛化性能
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 理论研究
• 页码范围: 27-32
• 页数: 6页
• 分类号: TP391
• 字数: 5448字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2018.12.006

摘要

泛滥的网络攻击严重威胁网络信息安全.入侵检测系统的高效性、鲁棒性等则尤为重要.针对极限学习机ELM的性能过分依赖于众多隐层节点的单隐层前馈神经网络SLFN的问题,提出基于改进磷虾群算法的极限学习机(IKH-ELM)的入侵检测算法.此算法减少隐层节点数为类别数,并利用IKH优化节点的权值和偏置,使ELM的决策性能显著上升.KDD99数据集实验表明:与原始ELM相比,IKH-ELM构造的仅5个节点的SLFN的泛化性能优势明显.与BP、SVM等算法相比,IKH-ELM算法能快速训练并有更高的检测正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓丹	空军工程大学防空反导学院	135	1447	21.0	31.0
2	周炜	空军工程大学防空反导学院	35	173	8.0	11.0
3	刘唐	空军工程大学研究生院	4	12	2.0	3.0