优化的RBF神经网络在入侵检测中的应用

被引：6

作者：

孙晓艳

郑淑丽

沈洪伟

机构：

[1] 合肥工业大学计算机与信息学院

来源：

合肥工业大学学报(自然科学版) | 2008年 / 11期

关键词：

入侵检测; RBF神经网络; 快速模糊C-均值算法; 正交最小二乘法;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

在入侵检测的应用中,RBF神经网络训练样本的数据量比较大,但是训练中广泛应用的OLS方法存在大数据量训练时间过长、不能根据数据特性确定平滑参数的缺点。针对此问题该文采用了一种基于快速模糊C-均值算法(AFCM)和正交最小二乘法(OLS)算法相结合的AFORBF训练算法;试验证明,AFORBF算法解决了RBF在入侵检测系统中处理大数据量时间过长的问题,获得了较高的检测率,简化了网络结构,提高了网络性能。

引用

页码：1794 / 1797

页数：4