基于天牛群優(yōu)化與改進(jìn)正則化極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)入侵檢測
自動(dòng)化學(xué)報(bào)
頁數(shù): 18 2020-04-14
摘要: 正則化極限學(xué)習(xí)機(jī)(Regularized extreme learning machine, RELM)因其極易于實(shí)現(xiàn)、訓(xùn)練速度快等優(yōu)點(diǎn)在諸多領(lǐng)域均取得了成功應(yīng)用.對此,本文將RELM引入到入侵檢測中,設(shè)計(jì)了天牛群優(yōu)化算法(Beetle swarm optimization,BSO),并針對RELM由于隨機(jī)初始化參數(shù)帶來的潛在缺陷,提出基于天牛群優(yōu)化與改進(jìn)正則化極限學(xué)習(xí)機(jī)(BS...