基于IQPSO-IDE算法的网络入侵检测方法

为了提高网络入侵检测的准确性与检测效率,弥补由单一优化算法带来的计算精度低、易陷入局部极值等不足,将差分算法的思想引入量子粒子群算法中,提出了一种改进量子粒子群算法（Improved Quantum Particle Swarm Optimization algorithm,IQPSO）和改进差分算法（Improved Difference Evolution,IDE）相融合的IQPSO-IDE算法,并将IQPSO-IDE算法对支持向量机（Support Vector Machine,SVM）的参数进行优化。以此为基础,设计了一种基于IQPSO-IDE算法的网络入侵检测方法。实验结果表明,IQPSO-IDE算法与传统的QPSO、GA-DE、QPSO-DE算法相比,不仅在效率上有了明显的改善,而且在网络入侵检测的正确率上分别提高了5.12%、3.05%、2.26%,在误报率上分别降低了3.31%、1.54%、0.93%,在漏报率上分别降低了1.26%、0.73%、0.52%。     

基于环境监测的两级数据融合模型与算法

利用多源传感器采集的数据不仅存在大量冗余,而且会影响最终监测结果.为了提高监测的准确度,本文提出一种面向草原环境监测的两级数据融合模型.在一级数据融合中,首先采用自适应加权平均法对各区域内的同类传感器进行融合,然后利用BP神经网络对该区域内的异类传感器进行训练和融合,从而得到对各区域环境状况的初步判断.由于经BP神经网络融合的结果具有不确定性,因此,二级融合利用D-S证据理论对一级融合结果进行综合分析,从而得到对草原环境的决策判断.最后对模型及算法进行了有效性验证与分析,实验结果表明本文的方法能够较准确地监测草原环境状况,同时对草原环境的高效管理和科学养护等提供一些有价值的指导和决策依据.