基于遗传算法和LSSVM的网络安全事件发生频率预测 |
| |
作者姓名: | 赵光耀 邹鹏 韩伟红 |
| |
作者单位: | 1. 国防科技大学计算机学院,湖南长沙,410073 2. 装备指挥技术学院,北京,100029 |
| |
基金项目: | 国家高技术研究发展计划(863计划)资助项目 |
| |
摘 要: | 网络安全事件发生频率是非线性变化的,传统时序预测方法难以处理;样本数量少时,人工神经网络等方法预测精度也难以保证。最小二乘支持向量机(LSSVM)是一种基于统计学习理论的机器学习方法,能非常好地解决小样本、非线性问题。本文将LSSVM应用于网络安全事件发生频率的预测,为了达到最佳预测效果,使用一种改进的遗传算法对模型参数进行优化。通过实验验证,改进的遗传算法较简单遗传算法收敛更快,优化效率更高,优化后的模型能够达到良好的预测效果。
|
关 键 词: | 遗传算法 LSSVM 网络安全事件 时序预测 |
本文献已被 维普 万方数据 等数据库收录! |
|