典型文献
基于麻雀搜索优化深度极限学习机的入侵检测方法
文献摘要：
深度极限学习机(DELM)由于其性能好、泛化能力强等优点成功应用于许多领域.针对现有入侵检测技术存在检测效率低等问题,将DELM引入到网络入侵检测中,并针对其初始参数随机性较大等问题,提出了 一种基于改进的麻雀搜索算法(RSSA)优化DELM的入侵检测模型RSSA-DELM.首先在麻雀搜索算法(SSA)中,对麻雀发现者和麻雀警戒者的位置更新公式进行改进,有效避免了 SSA算法陷入局部最优并引入随机游走策略对麻雀最优解进行扰动,进一步提高麻雀搜索能力,增加种群多样性.改进的麻雀搜索算法(RSSA)与标准麻雀搜索算法(SSA)、粒子群优化算法(PSO)和鲸鱼优化算法(WOA)在四种测试函数上相比,收敛速度更快、收敛精度更高,具备良好的性能.然后利用改进的麻雀搜索算法对DELM的权值和偏置进行联合优化,最后采用优化的DELM算法对NSL-KDD网络数据集进行分类检测.实验结果表明,RSSA-DELM与DELM、SSA-DELM、RNN等算法相比有更高的检测率,分类性能平均提升了 18％.
文献关键词：
麻雀搜索算法;深度极限学习机;入侵检测;随机游走
中图分类号：
作者姓名：
杨云;王勇
作者机构：
上海电力大学计算机科学与技术学院,上海200120
文献出处：
引用格式：
[1]杨云;王勇-.基于麻雀搜索优化深度极限学习机的入侵检测方法)[J].微电子学与计算机,2022(06):79-88
A类：
B类：
搜索优化,深度极限学习机,入侵检测方法,DELM,泛化能力,成功应用,入侵检测技术,技术存在,检测效率,网络入侵检测,随机性,改进的麻雀搜索算法,RSSA,入侵检测模型,发现者,警戒,位置更新,局部最优,随机游走策略,最优解,搜索能力,种群多样性,粒子群优化算法,PSO,鲸鱼优化算法,WOA,测试函数,收敛速度,收敛精度,权值,偏置,联合优化,NSL,KDD,网络数据,分类检测,RNN,检测率,分类性能
AB值：
0.283514
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
