摘要
为了较好克服量子粒子群算法存在早熟收敛的缺点,在分析算法参数和流程的基础上,提出了一种带变异操作的改进量子粒子群优化算法。针对传统BP算法易于陷入局部极小的不足,将改进的算法应用到BP神经网络的学习过程中,修正BP网络的权值和阈值,提高其收敛性能。并将优化的BP神经网络模型应用于入侵检测中,用标准入侵检测数据对基于不同算法的BP网络进行仿真实验比较。实验结果表明,改进后的BP算法迭代次数少,收敛速度有所提高,在一定程度上提高了入侵检测率。
学科与关键词
关键词
入侵检测BP神经网络量子粒子群优化变异操作自适应变异量子粒子群 intrusion detectionBP neural networkquantum particle swarm optimizationmutation operationadaptive mutation quantum particle swarm
- 变异粒子群优化的BP神经网络在入侵检测中的应用宋玲; 常磊智能系统学报, 2013, (06): 558-563.
- BP神经网络在入侵检测中的优化和应用韩锦锦; 李文君; 汪岐; 杨宜吉; 梁颖电子世界, 2019, (22): 14-17.
- Ad Hoc无线自组织网网络流量的研究张端*硕士, 江南大学, 2009-08-01.
