基于GA的NDNN结构与参数优化及其在入侵检测的应用

• 作者: 丁琳 吴冕 彭敏 杨帅创 谭敏生
• 来源期刊: 自动化与仪表
• 关键词: 深度神经网络 遗传算法 入侵检测 优化
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 专题研究与综述
• 页码范围: 14-18,24
• 页数: 6页
• 分类号: TP393.08|X913.2
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2019.10.004

摘要

传统机器学习方法及浅层神经网络方法处理高维数据准确率较低,一般深度神经网络易受权重、阈值、学习率的影响而陷入局部最优.提出了基于遗传算法GA的深度神经网络结构和参数优化方法,并对新的深度神经网络NDNN入侵检测的方法进行优化;利用遗传算法强大的全局搜索能力,对深度神经网络各隐藏层的数目、学习率及训练次数进行寻优;使用KDD CUP99入侵数据集进行了试验验证.结果 表明,该方法与不同的深度神经网络相比,其准确率、检测率有一定提高,误报率有一定降低;与其他机器学习算法相比,其准确率、检测率有明显提高,误报率有明显降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭敏生	南华大学计算机学院	102	553	12.0	20.0
2	丁琳	南华大学计算机学院	34	234	8.0	14.0
3	彭敏	南华大学计算机学院	3	0	0.0	0.0
4	吴冕	南华大学计算机学院	2	0	0.0	0.0
5	杨帅创	南华大学计算机学院	1	0	0.0	0.0