结合随机森林的PSO-CNN入侵检测研究OA北大核心CSTPCD
PSO-CNN INTRUSION DETECTION COMBINED WITH RANDOM FOREST
为了提高网络入侵检测的准确率、精确率,降低误报率,提出一种结合随机森林(Random-Forest,RF)的粒子群算法(Particle Swarm Optimization,PSO)优化卷积神经网络(Convolutional Neural Networks,CNN)结构及初始参数算法.该方法结合随机森林理论、PSO的全局寻优特点和CNN提取特征的局部相关性能力.在数据预处理阶段,通过随机森林进行数据特征提取,并作为模型的输入数据.采用粒子群算…查看全部>>
谭敏生;杨帅创;丁琳;彭敏
南华大学计算机学院 湖南 衡阳421001南华大学计算机学院 湖南 衡阳421001南华大学计算机学院 湖南 衡阳421001南华大学计算机学院 湖南 衡阳421001
信息技术与安全科学
随机森林粒子群算法卷积神经网络入侵检测结构优化
《计算机应用与软件》 2021 (12)
拥塞自适应复杂网络有限信息下的级联故障建模及控制策略研究
326-331,6
国家自然科学基金项目(61403183)湖南省自然科学基金项目(2017JJ4048)湖南省教育厅科学研究重点项目(18A230)湖南省财政厅科学研究项目(20183350502).
评论