典型文献
基于PSO-ELM算法的网络入侵检测研究
文献摘要：
由于传统的被动型入侵防御技术应对大数据时代的各种网络攻击能力不足,研究使用粒子群优化算法优化极限学习机隐含层神经元的内连接权值,解决了随机产生权值造成的分类检测稳定性不足、分类效果差的问题.仿真实验选取CUP99数据集进行性能测试,与经典的极限学习机模型对比发现,该文提出的PSO-ELM算法,其入侵检测的平均识别准确率高达98％以上,且收敛速度快、稳定性较好,明显优于ELM神经网络模型,应对大数据时代的网络入侵效果尤为理想.
文献关键词：
粒子群算法;极限学习机;网络安全;入侵检测
中图分类号：
作者姓名：
陈爱萍
作者机构：
湄洲湾职业技术学院,福建 莆田351111
文献出处：
引用格式：
[1]陈爱萍-.基于PSO-ELM算法的网络入侵检测研究)[J].安阳师范学院学报,2022(02):35-39
A类：
B类：
PSO,ELM,网络入侵检测,被动型,入侵防御,防御技术,技术应对,网络攻击,攻击能力,粒子群优化算法,算法优化,化极,隐含层,连接权值,分类检测,分类效果,CUP99,极限学习机模型,模型对比,识别准确率,收敛速度,粒子群算法
AB值：
0.365371
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。
