针对支持向量机(SVM)应用于网络入侵检测时特征选择及分类器参数优化问题,利用改进的二进制量子引力搜索算法(IBQGSA)对入侵特征集及SVM参数进行组合寻优。将入侵特征集及SVM参数看作是二进制量子引力搜索算法中的量子个体并进行组合编...针对支持向量机(SVM)应用于网络入侵检测时特征选择及分类器参数优化问题,利用改进的二进制量子引力搜索算法(IBQGSA)对入侵特征集及SVM参数进行组合寻优。将入侵特征集及SVM参数看作是二进制量子引力搜索算法中的量子个体并进行组合编码,在使用量子旋转门更新个体位移时,引入动态的位移更新策略,确保算法收敛到全局极值,设计与进化程度及个体适应度值相关的自适应变异概率,提升量子非门变异操作时算法的自适应变异能力。利用KDD CUP 99数据集进行仿真实验,实验结果表明,所提算法能有效地获取最佳特征子集及分类器参数组合,检测效果更好。展开更多
文摘针对支持向量机(SVM)应用于网络入侵检测时特征选择及分类器参数优化问题,利用改进的二进制量子引力搜索算法(IBQGSA)对入侵特征集及SVM参数进行组合寻优。将入侵特征集及SVM参数看作是二进制量子引力搜索算法中的量子个体并进行组合编码,在使用量子旋转门更新个体位移时,引入动态的位移更新策略,确保算法收敛到全局极值,设计与进化程度及个体适应度值相关的自适应变异概率,提升量子非门变异操作时算法的自适应变异能力。利用KDD CUP 99数据集进行仿真实验,实验结果表明,所提算法能有效地获取最佳特征子集及分类器参数组合,检测效果更好。
