基于改进GOA-SVM算法的异常流量识别

基于改进GOA-SVM算法的异常流量识别

论文摘要

异常流量的准确识别在网络安全中起着重要作用,支持向量机(Support Vector Machine,SVM)已经成功地应用于分类和函数逼近等方面,而核函数参数和惩罚参数(C)的选取对SVM的分类性能起着关键作用.为了提高SVM的分类性能,提出一种基于改进蚱蜢算法优化SVM的异常流量识别方法,命名为SAGOA-SVM.在对蚱蜢算法进行实验研究后发现其局部搜索能力较弱,本文通过引入模拟退火算法和位置偏移机制增强蚱蜢趋向食物源的随机性来改进蚱蜢算法优化SVM参数的性能,从而提高SAGOA-SVM算法对异常流量的识别率.在选取的7个标准UCI数据集上的实验结果表明,所提出的SAGOA-SVM算法有很好的分类精度和性能.

论文目录

  • 1 支持向量机概述
  • 2 基本蚱蜢优化算法
  • 3 SAGOA-SVM算法
  • 4 仿真实验及分析
  •   4.1 实验准备
  •   4.2 参数初始化
  •   4.3 实验结果及分析
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 吕赵明,张颖江

    关键词: 蚱蜢优化算法,模拟退火算法,支持向量机,核函数,异常流量识别

    来源: 湖南科技大学学报(自然科学版) 2019年04期

    年度: 2019

    分类: 工程科技Ⅰ辑,信息科技

    专业: 互联网技术,自动化技术

    单位: 湖北工业大学计算机学院

    基金: 教育部下一代互联网创新项目基金资助(NGII20150404)

    分类号: TP18;TP393.08

    DOI: 10.13582/j.cnki.1672-9102.2019.04.013

    页码: 90-96

    总页数: 7

    文件大小: 244K

    下载量: 171

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于改进GOA-SVM算法的异常流量识别
    下载Doc文档

    猜你喜欢