为了保证网络的安全, 针对极限学习机在网络入侵检测过程中参数优化的难题,
提出一种改进布谷鸟搜索算法优化极限学习机的网络入侵检测模型. 首先将极限学习机参数编码 …

摘要针对入侵检测的特征和分类器参数选择问题, 采用极限学习机ELM (
extremelearningmachine) 进行构建分类器, 提出一种蝙蝠算法(BA) 联合选择特征和分类器参数 …

为了提高网络入侵检测率, 提出一种人工鱼群算法(AFSA) 优化ELM 神经网络的网络入侵检测
模型. 首先将ELM 神经网络参数编码成人工鱼的位置, 然后利用人工鱼群算法通过模拟鱼群的觅 …

为了提高入侵检测率, 降低误检率, 提出一种人工鱼算法优化神经网络的网络入侵检测模型.
首先收集网络入侵数据并进行预处理, 然后输入到神经网络进行学习, 并采用人工鱼群算法对 …

针对最小二支持向量机(LSSVM) 参数选择难题, 提出一种蝙蝠(BA) 算法优化的LSSVM
网络入侵检测模型(BA-LSSVM). 首先将LSSVM 参数编码为蝙蝠个体, 并以网络入侵检测正确率 …

为了提高网络入侵检测的正确率, 针对特征优化和训练样本选择问题, 提出一种高密度的网络
入侵特征检测算法. 首先提取网络状态特征, 然后将特征编码成为粒子的位置向量 …

提出一种改进的果蝇算法优化加权极限学习机入侵检测算法, 利用加权极限学习机训练时间短,
泛化性能好等优点, 对NSL-KDD 入侵检测数据集中的不均衡现象, 增加少数类攻击的权重 …

针对神经网络在入侵检测应用存在的维度高, 数据大, 获取标记样本难, 特征构造难,
训练难等问题, 提出了一种基于深度多层极限学习机(ML—ELM) 的入侵检测方法. 首先 …

为了解决支持向量机(SVM) 在网络入侵检测中的参数优化问题, 以提高网络入侵检测性能,
提出一种入侵杂草(IWO) 算法优化SVM 的网络入侵检测模型(IWO-SVM). 首先将SVM …

为解决极限学习机(ELM) 随机给定输入权值和隐含层结点的阈值, 导致泛化能力和精度不理想的
问题, 提出混合自适应量子粒子群(HAQPSO) 优化算法对输入权值和隐含层结点的阈值进行参数 …