基于支持向量机和粒子群算法的信息网络安全态势复合预测模型

提出一种基于支持向量机和粒子群算法的网络态势复合预测模型。模型使用滑动窗口方法将各原始离散时间监测点的安全态势值构造成部分线性相关的连续时间序列,以其作为安全态势数据样本集对支持向量机加以训练,生成预测模型。在支持向量机训练过程中,利用粒子群算法搜寻支持向量机的最优训练参数,以降低支持向量机参数选择的盲目性,提高预测精度。最后通过基于大量电力企业信息网络现场安全监测数据的实验,验证了复合预测模型的有效性。     

基于Boosting算法的Pegasis路由协议在无线传感器网络中的应用

一种基于Boosting算法的新无线传感器网络节点数据处理方法在文章中被提出,以提高使用Pegasis路由协议的无线传感器网络目标辩识率并降低系统能耗。文章对无线传感器网络中从簇头到汇聚节点的数据处理过程进行了重新设计,在簇头使用数据融合技术以减少数据信息冗余和系统能耗,在汇聚节点采用Gentle Boosting算法提高信息准确度并实现最优决策簇的选取。基于Boosting算法的数据处理方法在保持Pegasis路由协议优点基础上,在系统辩识率与系统能耗两者之间寻找到一个较为理想的平衡点。最后实验结果显示,与传统方法相比文章中的数据处理方法在提高辩识率与降低系统能耗方面拥有更好的性能。