-
题名基于蚁群优化支持向量机的短时交通流量预测
被引量：11
- 1
-
-
作者
徐鹏
姜凤茹
-
机构
湛江师范学院数学与计算科学学院
河南商业高等专科学校应用电子系
-
出处
《计算机应用与软件》
CSCD
北大核心
2013年第3期250-254,共5页
-
基金
湛江师范学院青年项目(QL1103)
-
文摘
为了提高短时交通流量的预测精度,提出一种蚁群算法(ACO)优化支持向量机(SVM)参数的短时交通流量预测模型(ACO-SVM)。将SVM参数的选取看作参数的组合优化问题求解,采用鲁棒性较强的ACO来搜索最优解。仿真结果表明,ACO-SVM在预测精度、收敛速度、泛化能力等方面均优于参比模型,更适合于短时交通流量的预测。
-
关键词
短时交通流量
支持向量机
蚁群优化算法
预测
-
Keywords
Short-term traffic flow Support vector machine Ant colony optimisation Prediction
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名粒子群算法和K近邻相融合的网络入侵检测
被引量：6
- 2
-
-
作者
徐鹏
姜凤茹
-
机构
湛江师范学院数学与计算科学学院
河南商业高等专科学校应用电子系
-
出处
《计算机工程与应用》
CSCD
2014年第11期95-98,共4页
-
基金
湛江师范学院青年项目(No.QL1103)
-
文摘
为了提高网络入侵检测效果,提出一种粒子群优化算法(PSO)和K最近邻相融(KNN)的网络入侵检测模型(PSO-KNN)。首先特征子集和KNN参数作为一个粒子,然后通过粒子之间的信息交流和相互协作,找到最优特征子集和KNN参数,从而建立最优网络入侵检测模型,最后利用KDD 1999数据集对模型性能进行测试。结果表明,相对于其他入侵检测算法,PSO-KNN更有效地精简网络数据特征,提高分类算法的网络入侵检测速度及检测率。
-
关键词
网络入侵检测
特征选择
粒子群优化算法
K最近邻
-
Keywords
network intrusion detection
features selection
particle swarm optimization algorithm
k-nearest neighbor
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
