蚁群算法选择神经网络参数的网络入侵检测

入侵检测是保证网络安全的关键技术,为了解决神经网络在入侵检测应用中的参数优化难题,提出蚁群算法选择神经网络参数的网络入侵检测模型。首先描述蚁群算法与神经网络参数之间的联系,并建立神经网络参数选择的目标函数,然后采用蚁群算法对目标函数的最优解进行搜索,确定神经网络的最佳参数,最后通过神经网络自组织学习实现入侵检测分类器的构建,选择入侵检测标准数据在Matlab 2014平台上实现仿真实验。结果表明,该模型解决了神经网络在入侵检测中的参数优化难题,建立了综合性能良好的入侵检测分类器,分类结果和分类速度均比典型模型有较显著的优势。     

基于BP神经网络和蚁群的WSN分簇算法的研究

在研究经典低能量自适应分簇路由算法的基础上,提出基于BP神经网络和蚁群的无线传感器网络分簇路由算法。在分簇阶段将BP神经网络应用于每个分簇结构中,把采集的大量信息通过设计好的神经网络模型融合得到反映原始数据特征的少量数据信息。在数据传递阶段将蚁群算法应用到簇间路由机制中,寻找簇头到基站的最佳路径。将融合后的数据通过优化的路径传送到汇聚节点。仿真结果表明,该算法和LEACH算法相比,有效地均衡了网络的能量消耗,并延长了网络的生命周期。     

蚁群算法选择神经网络参数的网络入侵检测

为了解决网络入侵检测率低的难题,提出蚁群算法选择神经网络参数的网络入侵检测模型(ACO-NN)。首先收集网络入侵检测数据,然后采用神经网络对入侵检测数据进行学习,通过蚁群算法解决神经网络参数选择问题,最后采用标准入侵检测数据进行验证性测试,并与其他模型进行对比分析。结果表明,所提模型解决了神经网络参数优化难题,降低了网络入侵检测的错误率,改善了网络入侵检测的正确率,有助于保证网络的安全性。     

P2P网络架构下蚁群算法的应用研究

蚁群算法(ACO)是一种新型的模拟进化算法,是受自然界中蚂蚁搜索食物行为启发而提出的一种智能优化算法。探讨了P2P网络架构下蚁群算法的应用,对在P2P网络架构下怎样使用蚁群算法解决网络服务中的Peer间的通信和路由、服务注册和查找等问题进行了研究。采用的蚁群算法在性能和收敛性速度上优于常规算法。     

折线模糊神经网络的共轭梯度算法

 为了近似实现模糊数的非线性运算及提高神经网络的逼近精度,引入折线模糊数和折线模糊神经网络,并依据折线模糊数的扩展运算对经典共轭梯度算法进行改进,使该算法在迭代过程中通过一维非精确Armijo-Goldstein线性搜索方法获得优化学习常数,进而在折线模糊神经网络环境下设计了折线模糊共轭梯度算法.最后,通过模拟实例说明了该算法具有计算复杂度低、收敛速度快等特性.     

基于混沌蚁群算法的快速红外图像分割

提出了一种基于混沌蚁群算法优化二维模糊划分最大熵的红外图像分割方法。二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,并且兼顾图像自身的模糊性,能取得很好的分割效果,然而最大熵的最优参量组合却很难快速准确地获得。本文将混沌蚁群优化算法应用到二维模糊划分最大熵分割方法当中,充分利用混沌蚁群算法快速寻找最优解的特点,来搜索二维模糊划分最大熵的最优参量组合。实验仿真结果表明,该方法比传统的图像分割方法有更好地分割效果,有效抑制了图像噪声对目标区域分割的干扰。     

无线传感器网络中蚁群路由算法的改进

在无线传感器节点能量有限的条件下,如何使网络寿命最大化是无线传感器网络研究的重点,均衡网络能量消耗是延长网络寿命的一个有效方法。在蚁群算法的基础上引入了模糊理论的概念,提出了一种ACO for Fuzzy Theory算法,根据节点剩余能量、通信距离、邻居节点数目和信息素等因素采用模糊综合评判法进行下一跳节点的选择。仿真实验表明,与基于能量有效蚁群算法(EEABR)进行比较,相同条件下AFT算法有效地减少了网络平均能量消耗,增强了网络节点的存活率。     

基于混沌蚁群算法的BP神经网络训练研究

针对BP学习算法依赖于初始权值的选择和只能处理具有求导或者梯度特性目标函数,导致函数逼近误差较大的缺点,基于适值理论,建立了混沌蚁群算法模型.采用实值编码,把BP神经网络的权值和偏值作为混沌蚁群算法搜索的蚂蚁空间位置;设置合适的适值函数,对BP神经网络权值进行训练,并将其应用于曲线拟和.分别用混沌蚁群算法对不包含噪声的BP神经网络和包含噪声的BP神经网络进行了训练仿真,对仿真结果进行分析,取得了很好的效果.     

一种基于蚁群算法与粗糙集的混合BP神经网络

为了解决BP神经网络对高维冗余样本分类时收敛速度慢、易陷入局部极小值问题,提出基于蚁群算法与粗糙集的混合BP神经网络分类模型.该混合BP神经网络用粗糙集对样本进行约简和降维,输入层神经元个数得到减少,降低了训练神经网络的计算复杂度,用蚁群算法解决了选取神经网络权值和阈值的随机性,避免了因其而导致的易陷入局部极小值的不足.对UCI数据库中数据集的测试结果说明,提出的混合BP神经网络对高维冗余复杂样本进行分类是可行的,性能远远比传统BP神经网络和蚁群神经网络优越.     

基于蚁群的无线电源管理网络路由算法

蚁群算法(Ant Colony Algorithm,ACA)是一种新型的基于群体的仿生算法。采用蚁群算法实现了对无线电源管理网络的路由优化,为远程设备管理提供了新的解决思路。对原始蚁群算法进行了改进,提出了一种多蚁群的优化算法。基于蚁群算法及其并行搜索最优的特征,通过蚁群聚类和动态调整网络优化参数的方法,可作为一种面向无线电源管理网络的路由算法,经过仿真验证了该算法的有效性。     

基于蚁群优化的BP神经网络目标威胁估计方法

根据空中目标威胁估计的特点,分析了基于BP神经网络的空中目标威胁估计方法的不足。运用蚁群优化算法(ACO)的全局寻优能力,对BP神经网络的初始权值进行优化,建立了改进的BP (ACOBP)空中目标威胁估计方法,解决了BP神经网络初始权值的随机性和网络易陷入局部极小值的问题,提高了算法的收敛速度。并采用30组训练样本数据及8组测试数据,对算法的性能进行了仿真分析。仿真结果表明,该算法估计结果准确合理,收敛速度和收敛精度均优于BP算法,证明了该方法的有效性。     

一种基于核回归插值的自适应非均匀性校正算法

针对基于神经网络的场景自适应非均匀性校正(Non-Uniformity Correction, NUC)算法在消除红外成像系统输出图像噪声时容易产生的“鬼影”现象,提出了一种改进的自适应非均匀性校正算法,将核回归插值技术应用到神经网络算法中,有效降低了自适应非均匀性算法产生“鬼影”现象的概率。实验结果表明,与传统的神经网络算法相比,本文算法在相同条件下既能有效消除非均匀噪声,又能大大抑制“鬼影”现象的产生。     

基于GA-BP神经网络的VOD代理节目预取模型

VOD代理服务器的节目预取方法决定了园区网VOD系统的整体运行效率。提出一种节目预取模型,采用BP神经网络构建分类器并对VOD节目进行分类,再根据分类结果采用基于分组的方法实现代理服务器的节目预取。模型中引入遗传算法对已建立的分类模型进行改进,以克服局部极小值问题。仿真实验表明,该预取模型具有较高的命中率,能有效提高代理服务器的利用率。     

基于变尺度寻优和遗传搜索技术的模糊神经网络全局学习算法

本文给出了一种改进的拟牛顿算法与具有新型交配方式和可变变异概率的遗传算法相结合的全局寻优算法，用以搜索模糊神经网络误差函数的全局量小点。     

Solution to the problem of ant being stuck by ant colony routing algorithm

Many ant colony routing (ACR) algorithms have been presented in recent years, but few have studied the problem that ants will get stuck with probability in any terminal host when they are searching paths to route packets around a network. The problem has to be faced when designing and implementing the ACR algorithm. This article analyzes in detail the differences between the ACR and the ant colony optimization (ACO). Besides, particular restrictions on the ACR are pointed out and the three causes of ant being-stuck problem are obtained. Furthermore, this article proposes a new ant searching mechanism through dual path-checking and online routing loop removing by every intermediate node an ant visited and the destination host respectively, to solve the problem of ant being stuck and routing loop simultaneously. The result of numerical simulation is abstracted from one real network. Compared with existing two typical ACR algorithms, it shows that the proposed algorithm can settle the problem of ant being stuck and achieve more effective searching outcome for optimization path.     

基于蚁群算法的分布式卫星光网络波长路由分配技术研究

为了解决分布式卫星光网络波长路由分配复杂的问题,论文提出基于小窗口策略的蚁群优化算法。采用链路可持续时间和波长空闲率作为启发函数,在实现负载均衡的同时,降低网络的拥塞率;引入小窗口策略引导蚂蚁在最小路由请求区域内进行选路,提高了算法的收敛速度;通过计算相邻链路空闲波长的交集,实现了由单只蚂蚁同时完成路由选择和波长分配。对单主星和双主星两种场景下的算法性能进行了仿真分析,结果表明:与经典的Dijkstra+FF算法相比较,单主星和双主星时的网络拥塞率最高分别降低了0.5和0.7,网络资源利用率改善最高可达到0.45和0.50。     

基于神经网络的雷达抗干扰方法综述

针对目前雷达抗干扰方法存在的局限性,提出了将神经网络技术应用于雷达抗干扰的研究思路。首先介绍了在雷达抗干扰领域应用比较成功的3种神经网络模型:BP网络、RBF网络和Kohonen网络;然后概括了神经网络应用于雷达抗干扰的3种主要途径:神经网络用于建模、用于特征提取和用于分类;最后对下一步的研究进行了总结与展望,分析了神经网络与其他技术相结合在雷达抗干扰中的应用前景。     

基于神经网络的时间序列动态预测器的调整学习算法

时间序列预测在金融等领域有着广泛的应用,近年来,基于时间网络的时间序列预测器引起了人们极大的研究兴趣,然而,基于神经网络的时间序列预测器经常给出无效的预测值。本文首先从理论上分析了基于神经网络的时间序列预测器给出无效预测值的概率,然后给出基于神经网络的时间序列预测器的调整学习算法（ＲＬＮＮＰ）,采用ＲＬＮＮＰ算法,基于神经网络的时间序列预测器,给过充分训练能够给出时间序列的有铲预测值。     

基于前馈神经网络的非合作PCMA信号盲分离算法

针对非合作接收PCMA混合信号盲分离中高复杂度束缚,提出一种基于前馈神经网络的分离算法,通过搭建神经网络分离平台,规避传统的发送符号遍历思想,实现PCMA混合信号低复杂度高性能盲分离.仿真实验表明,神经网络能够极大挖掘信号内在信息,针对QPSK调制PCMA混合信号,在信噪比7dB时误比特率达到10^-3数量级,并伴随着较PSP分离算法算术平方根级别的复杂度降低.     

基于BP神经网络的GSM-R抗同频干扰方法研究

在GSM-R通信网络中,同频干扰是影响通信质量的一个因素。由于被训练的BP神经网络可以不断校正误差,使输出误差不断减小。为解决GSM-R同频干扰问题,提出了用BP神经网络及其算法对GSM-R通信信号进行校正,通过构建GSM-R通信系统和BP神经网络系统的模型,阐述了GSM-R通信系统抗同频干扰的原理,并对GSM-R进行了数据采集和仿真。