| 结合随机森林的PSO-CNN入侵检测研究 |
| |
| 引用本文： | 谭敏生,杨帅创,丁琳,彭敏. 结合随机森林的PSO-CNN入侵检测研究[J]. 计算机应用与软件, 2021, 38(12): 326-331. DOI: 10.3969/j.issn.1000-386x.2021.12.052 |
| |
| 作者姓名： | 谭敏生 杨帅创 丁琳 彭敏 |
| |
| 作者单位： | 南华大学计算机学院 湖南 衡阳421001 |
| |
| 摘 要： | 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.采用粒子群算法优化CNN网络结构,使CNN在非经验指导下自主选择最佳网络结构和初始参数.实验结果表明,该方法在准确率、精确率、误报率方面均优于经典卷积神经网络、粒子群优化反向传播(BP)算法、粒子群优化支持向量机(SVM)算法及目前流行的集成学习方法.
|
| 关 键 词： | 随机森林 粒子群算法 卷积神经网络 入侵检测 结构优化 |
PSO-CNN INTRUSION DETECTION COMBINED WITH RANDOM FOREST |
| |
| Tan Minsheng,Yang Shuaichuang,Ding Lin,Peng Min. PSO-CNN INTRUSION DETECTION COMBINED WITH RANDOM FOREST[J]. Computer Applications and Software, 2021, 38(12): 326-331. DOI: 10.3969/j.issn.1000-386x.2021.12.052 |
| |
| Authors: | Tan Minsheng Yang Shuaichuang Ding Lin Peng Min |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
