基于IRBF的入侵检测系统的研究

入侵检测是一种积极、动态的网络安全防护技术,能够对网络内外攻击进行防御,在保障网络安全方面起着重要的作用。研究一种将基于克隆选择原理的免疫识别算法应用于RBF(Radial Basis Function)神经网络的学习算法。该算法将输入数据作为抗原,抗体作为RBF神经网络的隐层中心,采用最小二乘递推法确定权值,提高了RBF神经网络收敛速度和精度。该算法被成功地运用到入侵检测系统中。理论与实验表明该算法具有较好的检测能力,可以较好地提高入侵检测的效率,降低误报率。     

用蛙跳算法优化RBF神经网络参数的研究

针对径向基函数(Radial Basis Functions,RBF)神经网络结构参数确定问题,提出了一种基于蛙跳算法优化RBF神经网络参数的新方法。将RBF神经网络参数组成一个多维向量,作为蛙跳算法中的参数进行优化。以适应度函数为标准,在可行解空间中搜索最优解,并对蛙跳算法进行了改进。非线性函数逼近实验结果表明,该优化算法相对标准遗传优化算法、粒子群优化算法有较小的均方误差,具有更好的逼近能力。     

一种小电流接地系统故障选线方法

针对小电流接地系统故障选线方法难以适用于不同接地方式的问题,提出了一种基于粒子群优化RBF神经网络的小电流接地系统故障选线方法。该方法利用粒子群优化算法来优化RBF神经网络,将RBF神经网络要确定的参数作为粒子群优化算法的粒子。仿真结果表明,该方法收敛效率高、误差平方和小、选线准确率高、灵敏度高,具有一定的可行性。     

RBF神经网络在遥感影像分类中的应用研究

用RBF神经网络进行遥感影像分类，在网络结构设计上使RBF层与输出层的节点数都等于所要分类的类别数。用Kohonen聚类算法确定RBF中心的时候，用训练样本的均值作为初始中心，并在RBF宽度进行求取的时候进行了改进，以避免内存溢出。所设计的RBF神经网络分类模型具有结构简单、算法简洁的优点。实验结果表明，该方法用于遥感影像分类取得了较高的分类精度，具有实际应用价值。     

RBF网的动态设计方法

提出一种RBF网的动态设计算法(DYNRBF方法), 该算法有效地融合了ROLS算法和RAN网络的优点, 不仅能动态调节RBF网的隐节点数, 还能使网络的数据中心自适应变化. 该方法所设计的RBF网不仅具有较好的泛化能力, 当训练样本集变化时也具有好的鲁棒性.     

基于RBF神经网络的组合导航融合算法

提出一种基于径向基函数（RBF）神经网络的组合导航容错算法。该算法将局部滤波器状态估计分组引入作为融合中心的RBF神经网络，通过RBF神经网络的局部特性，实现全局估计的自适应性和容错性。该算法等价于对局部估计的模糊推理。仿真结果表明，该融合算法有较高的估计精度，能够及时检测出传感器故障并在融合网络中予以隔离，不致影响全局估计。     

一种改进的RBF神经网络学习算法

提出一种基于减聚类、K-means算法及改进的粒子群优化(PSO)算法的径向基函数(RBF)神经网络混合学习算法. 该算法首先使用减聚类确定隐层节点数和K-means初始聚类中心; 然后通过K-means算法求取RBF网络所有参数, 作为PSO的初始粒子群; 为了提高PSO算法的收敛性和稳定性, 对基本PSO算法进行了优化改进, 最后使用改进的PSO算法训练RBF神经网络中的所有参数. 对IRIS数据集分类识别的仿真结果表明, 改进的混合算法具有更高的分类准确率和更好的稳定性.     

基于遗传优化的RBF-BP网络的实时故障检测

针对单一神经网络对复杂模型难以实时做出准确预测和BP神经网络自身的缺陷,结合RBF神经网络可以逼近任意函数的特性,提出了基于遗传优化的混合神经网络模型(RBF-BP)。由RBF网络和BP网络并联作为一个神经网络(简称为RBF-BP)的隐层,利用该网络对被控对象进行逼近训练、实时故障检测,该算法同时具有RBF网络和BP网络的优点,适用于复杂非线性系统的故障检测。     

一种结构自适应的径向基函数神经网络

提出了一种新的结构自适应的径向基函数(RBF)神经网络模型。在该模型中,自组织映射(SOM)神经网络作为聚类网络,采用无监督学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,分别作为径向基函数的中心和相应的权值向量;RBF神经网络作为基础网络,采用高斯函数实现输入层到隐层的非线性映射,输出层则采用有监督学习算法训练网络的权值,从而实现输入层到输出层的非线性映射。通过对字母数据集进行仿真,表明该网络具有较好的性能。     

一种新型的RBF网络多用户检测器

本文提出了一种用于设计径向基函数(RBF)网络的递阶免疫算法,并将采用这种递阶免疫算法设计的RBF网络用于DS-CDMA系统的多用户检测.该方法利用递阶免疫算法确定RBF网络隐层(非线性层)的结构和参数,采用最小二乘算法计算RBF网络的输出层权值.递阶免疫算法针对RBF网络的特点引入免疫算子,能够有效提高群体的适应度,加快算法的收敛速度.仿真结果表明,基于这种RBF网络的多用户检测器具有较强的抑制多址干扰和克服远近效应的能力.     

基于进化策略的动态递归神经网络建模与辨识

提出一种采用进化策略实现动态递归神经网络结构、权重和自反馈增益同时进化的学习算法,以及自适应进化机制,与改进ＢＰ６算法相结合,各取所长,形成集成化动态递归神经网络建模辨识算法,实际应用结果表明,所提出算法不仅明显提高了动态递是 网络模型辨识自救的收敛速度格精度,而且实现了动态递归网络的全自动优化设计。     

基于网络复杂性的BP算法

BP算法(误差反向传播算法)是前馈神经网络中最常用的算法之一.在对前馈神经网络和传统的BP算法研究的基础上,发现了传统算法中存在的问题.通过引入网络复杂性的量,提出了一种新的改进算法,命名为基于网络复杂性的BP算法.该算法能够删除掉冗余的连接甚至节点,通过对网络学习步长的动态调整,避免了算法收敛速度过慢和反复震荡的问题.最后通过实验说明该算法在一定程度上比传统BP算法有一些优越性.     

针对复杂多环网络拓扑的路由改进算法

网络运营商为用户提供的光纤接入主干网大多以环型网络的方式提供服务,然而目前对于大规模、环数众多、连接方式多样化的复杂多环网络缺乏性能优良的路由算法。为解决传统环网结构网络延迟高和传输效率低的问题,提出一种针对复杂多环网络拓扑的路由改进算法,将多环网络中的复杂路由问题转化为单环网中的简单路由问题。在此基础上,通过设计源溯节点还原以及路径还原算法,将单一环网改进为增强环网网络结构,使同一环内通信节点间的路径还原为完整最短路径,并从理论上证明该算法得到的最优路径是无差错的。实验结果表明,相比于现有的优化Dijkstra算法,该算法的搜索空间比提升约13%,具有更好的改进效果,且算法运行时间缩短79%,更适合复杂多环网络的路由计算。     

一种适于网络资源优化利用的QoS路由算法

在网络中实施资源优化利用对保证QoS服务质量非常重要。该文根据网络的实际运作情况,引入了“网络负载平衡度”的概念,用来描述网络中各链路上的剩余带宽可用率相对于其平均值的偏离程度,并据此改进了传统的SPF路由算法。新改进的算法采用负载平衡策略和重路由策略使网络资源得到优化利用。理论分析表明该算法较好地使网络负载趋于平衡,可以增加网络吞吐量,延缓阻塞的发生。     

基于Geodatabase模型的配电网拓扑算法

针对配电网管理平台的网络拓扑问题,提出一种基于Geodatabase模型的配电网拓扑分析算法.引入Geodatabase数据模型和网络拓扑模型,定义配电网数学模型,采用XML描述配电网设备,构建配电网拓扑模型,设计拓扑算法流程.应用于配电网拓扑关系生成和电源分析过程的算例表明,该算法具有结构简单、流程清晰等特点,能满足...     

面向网络流量的缓存替换算法比较与分析

缓存替换算法对优化网络处理应用的性能起到关键作用，但目前面向网络流量的缓存替换算法研究主要集中在算法设计和领域应用方面，较少有文献对现有的缓存替换算法在网络环境下的性能进行分析比较。对此，本文针对主要的6种缓存替换算法进行分析和比较。通过分析网络流量的新近度与频度特征，为基于最近最少使用(Least Recently Used, LRU)和最近最不常使用(Least Frequently Used, LFU)的缓存替换算法给出实际依据。对仿真环境和实际系统的实验结果表明，类LRU算法较LFU算法更适用于网络流量，而缓存空间较大时，随机替换算法较LRU算法更适用于多核环境。     

基于自信息量算法构建混合式P2P网络

在大多数研究中,推选超级节点时重点考虑节点的性能是否适合作超级节点,而没有考虑当有节点从网络中退出或加入时,网络重新构建的开销。在选择超级节点的算法方面,很少有算法同时涉及节点的容量和在网络中的在线时间这两个参数。本算法在Alberto Montresor算法的基础上进行了改进,由信息量概念入手,将节点的容量和在线时间两个因素有机地结合起来,设计了自信息量算法模型。试验结果表明,自信息量模型网络构建的速度和单一使用节点容量构建的速度相仿,但自信息量模型推选的超级节点相对稳定,减少了网络构建的频数,从而减少了网络维护开销。该模型还能够适应一些极端情况,如试验中有50%的节点离开时,仍可较快地构建网络,说明该算法具有一定的鲁棒性。     

用于过程建模的BP网络的M训练法及其改进

以Sigmoid为传递函数的BP网络在过程系统工程领域已经得到了广泛的应用 ,但是一般的GDR训练算法在极小点附近易发生振荡 ,收敛速度慢。本文提出了人工神经网络M法训练的新途径 ,并且通过不同算例和工业实际数据建模应用证实了M算法的收敛速度大约是GDR算法的 5 - 10倍左右 ,有效地提高了网络训练的速度和训练效率     

流星余迹通信网络的路由算法

流星余迹通信是一种重要的应急通信方式。其通信网络具有传输延时长和链路间歇中断的特点,适用于这种特殊网络的路由算法具有明显的针对性,有待深入研究。文中在研究流星余迹网络拓扑结构的基础上,基于OPNET仿真软件构建流星余迹组网模型,结合适用于DTN(Delay Tolerant Network)网络的ED(Earliest Delivery)算法和EDLQ(Earliest Delivery with Local Queue)算法的特点,分析通信时延模型,提出一种改进的OED(Optimistic Earliest Delivery)算法。基于已建立的模型对数据传输成功率和网络吞吐量进行仿真。仿真结果表明,OED算法在组网网络的数据吞吐量和数据传输成功率方面优于ED算法和EDLQ算法,能够避免因队列溢出导致的数据包丢失;通过增大节点容量,OED算法的数据通过率相对于ED算法和EDLQ算法分别提升了20%和8%;路由算法的选择不影响流星余迹节点间链路的平均持续时间和平均中断等待时间。OED算法在流星余迹网络中具有较强的适应性,能够为流星余迹组网的建设提供参考。     

基于SNMP的网络拓扑发现算法

网络拓扑发现是网络管理中一项非常重要的技术.鉴于现在越来越多的网络设备都支持SNMP协议,提出了基于SNMP的网络层拓扑发现和链路层拓扑发现算法.网络层的拓扑发现算法有效的解决了路由器的多IP地址问题.对于链路层的拓扑发现,通过结合基于网桥转发表和基于网桥生成树两种算法的优点,提出了一种新的链路层拓扑发现算法.该算法能够快速准确地计算出整个被管网络的二层和三层拓扑结构,而且适用范围广泛.