陈兴亮
- 作品数：3 被引量：32H指数：3
- 供职机构：江苏科技大学计算机科学与工程学院更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于IPMeans-KELM的入侵检测算法研究被引量：8
- 2016年
- 目前入侵检测系统中普遍存在数据维度高、数据量大、训练难等问题。在入侵检测系统中应用核极限学习机(KELM)算法,使其能够适应大量高维数据的训练,且学习速度快无需调整网络的输入权值,降低了检测系统的训练难度。但是由于入侵数据集的不均衡性、噪音干扰性、分布不均性等,直接影响了KELM的分类性能。因此,针对入侵数据处理问题,提出了一种基于IPMeans-KELM的入侵检测算法。该算法首先利用改进的PSO优化K-means算法(IPMeans)对入侵数据进行聚类处理,增加相同数据类型的聚集度,然后对处理后的数据进行10-CV分割,将分割的10份数据轮流训练KELM分类器,把测试数据通过训练好的KELM分类器进行测试,输出分类器检测率的平均值,如果检测效果不满足期望条件,则进行循环处理,直至条件满足。在Matlab平台上进行了对比实验,实验结果表明该算法在有效地提高了入侵检测率的同时降低了误报率。
- 陈兴亮李永忠于化龙
- 关键词：网络入侵粒子群算法K均值算法
- 基于改进DS证据融合与ELM的入侵检测算法被引量：22
- 2016年
- 为了提高检测率,采用DS证据融合技术融合多个ELM,能够提高整个检测系统的精确性。但是传统的DS技术处理冲突信息源时并不理想。因此,通过引入证据之间的冲突强度,将信息源划分成可接受冲突和不可接受冲突,给出了新的证据理论(improved Dempster-Shafer,I-DS),同时针对ELM随机产生隐层神经元对算法性能造成影响的缺陷作出了改进。通过实验表明,结合I-DS和改进的ELM能够更高速、更有效地判别入侵行为。
- 李永忠陈兴亮于化龙
- 关键词：网络入侵检测DS证据理论极限学习机
- 利用粒子群优化的极限学习机入侵检测算法被引量：4
- 2021年
- 针对网络入侵检测准确率低、误报率高的状况,通过理论分析与仿真实验,提出一种利用粒子群优化的极限学习机入侵检测算法.该算法利用粒子群算法优化核极限学习机的核参数,采用学习能力和线性组合泛化能力强的全局性核函数,形成多核极限学习机,可以有效提高单核极限学习机分类器的性能.通过仿真实验对其性能进行了对比分析,结果验证了该算法的有效性.
- 耿永利李永忠陈兴亮
- 关键词：入侵检测粒子群算法极限学习机
