基于EQPSO-GS优化SVM的入侵检测模型研究

• 作者: 刘祥 李林阳 李高明
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 精英量子粒子群算法 网格搜索算法 支持向量机 参数优化 入侵检测 交叉验证 UNSW-NB15数据集
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 安全与保密
• 页码范围: 180-185
• 页数: 6页
• 分类号: TP181
• 字数: 4733字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.01.031

摘要

支持向量机(Support Vector Machine,SVM)的惩罚因子C和核参数σ影响模型分类精度和泛化性能.传统进化算法优化支持向量机时主要存在早熟收敛、优收敛速度慢、收敛精度低以及泛化性能不高等问题.针对这些问题,将精英策略与量子粒子群算法融合,提出了精英量子粒子群算法(Elite Quantum Particle Swarm Optimization Algorithm,EQPSO),既提高了种群收敛速度,也一定程度上避免了算法局部收敛,凭借其全局探索能力初探参数范围,并通过网格搜索算法(Grid Search Algorithm,GS)提高开发能力做进一步的优化,将优化好的SVM模型用于入侵检测.利用入侵检测数据集UNSW-NB15对传统的进化算法优化支持向量机模型进行仿真实验,通过交叉验证对比EQPSO-GS-SVM、QPSO-SVM、PSO-SVM、DE-SVM模型,得出EQPSO-GS优化的SVM模型具有更好的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李高明	武警工程大学基础部	58	93	5.0	7.0
2	李林阳	武警工程大学基础部	5	0	0.0	0.0
3	刘祥	武警工程大学基础部	3	0	0.0	0.0