改进PSO算法的支持向量机在NIDS中的应用

作     者：汪世义 王华彬 WANG Shi-yi;WANG Hua-bin

作者机构：巢湖学院计算机系安徽238000 安徽大学智能计算与信号处理教育部重点实验室安徽230039 

出 版 物：《微计算机信息》 (Control & Automation)

年 卷 期：2009年第25卷第12期

页      面：106-107,93页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：基金申请人:汪世义 基金颁发部门:安徽省高校省级自然科学研究计划(安徽省教育厅) 项目名称:基于Linux网络入侵检测系统关键技术研究(KJ2008B38ZC) 巢湖学院自然科学基金资助项目(XLY-200713)资助 

主　　题：粒子群优化 支持向量机 入侵检测系统 

摘      要：支持向量机(SVM)作为一种分类技术已经成功运用于入侵检测,但是支持向量机的性能与参数的选择相关。在实际应用中支持向量机的参数选取问题一直没有得到很好地解决。粒子群优化(PSO)算法作为一种基于群智能方法的进化计算技术,具有良好的全局搜索能力。为了能够自动获取最优的支持向量机参数,提出了在入侵检测系统中基于改进微粒群优化(IPSO)算法的支持向量机参数选择方法,以kdd99数据集进行了仿真实验。仿真实验结果表明:基于粒子群训练的支持向量机方法能够比较好地提高入侵检测系统中数据的分类精度。