基于PCA的GABP神经网络入侵检测方法*

为克服BP算法易陷入局部最小的缺点,同时为减少样本数据维数,提出一种基于主成分分析(PCA)的遗传神经网络方法。通过降维和去相关加快收敛速度,采用改进的遗传算法优化神经网络权值,利用自适应学习速率动量梯度下降算法对神经网络进行训练。MATLAB仿真实验结果表明,该方法在准确性和收敛性方面都优于BP算法,应用于入侵检测系统中的检测率和误报率明显优于传统方法。     

实时多任务操作系统VRTX的剖析与开发

ＶＲＴＸ实时多任务操作系统从实时性、可靠性、可用性各方面比较而言。都比以前的ｉＲＭＸ，ｉＲＭＫ操作系统有很大提高。它代表嵌入式系统的潮流。本文从实时操作系统的特怀出发。分析了嵌入式实时多任务操作系统ＶＲＴＸ在多任务管理、任务调度，内存管理等方面对实时、多任务的支持，介绍了使用ＶＲＴＸ开发的用户操作系统的结构。     

基于PCA的BP神经网络分类器

由于入侵检测处理的多为高维数据,为了提高入侵检测的效率和准确率,提出了一种基于主成分分析(PCA)的特征提取方法,对数据源进行特征降维,将获得的主成分作为BP神经网络的输入进行数据识别.同时介绍了M atlab中相关函数,并与传统入侵检测方法进行了比较.实验结果表明:基于主成分分析的特征提取方法在简化BP神经网络规模的同时,显著提高了入侵检测识别效果.