基于ICOA優(yōu)化極限學習機的網(wǎng)安態(tài)勢預測

摘要： 針對傳統(tǒng)網(wǎng)絡安全態(tài)勢預測準確率不高、效率差的問題，利用改進黑猩猩算法優(yōu)化極限學習機訓練并構建網(wǎng)安態(tài)勢預測模型ICOA-ELM。引入Tent混沌種群初始化、收斂因子非線性遞減和差分進化機制對COA算法的初始種群多樣性、全局搜索與局部開發(fā)均衡性及跳離局部最優(yōu)能力進行改進，提高算法尋優(yōu)性能。為提高極限學習機的預測精度和泛化能力，利用ICOA算法迭代優(yōu)化ELM的關鍵參數(shù)，構建ICOA優(yōu)...