基于遗传算法优化的OCSVM双轮廓模型异常检测算法

来源 :计算机应用研究 | 被引量 : 23次 | 上传用户:honfei1984
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对Modbus工业总线协议的特殊性及工控数据样本的不均衡性,利用单类支持向量机(OCSVM)分别构建正常OCSVM模型和异常OCSVM模型,即双轮廓模态来模拟系统通信的正常模式和异常模式,从而实现工控系统异常检测。同时将遗传算法优化自变量降维应用于工控网络入侵检测场景,实现对输入自变量的降维压缩处理,防止OCSVM模型出现过拟合现象及分类准确率低的问题,提高异常检测的精度,缩减建模时间。通过仿真验证了该算法对工控网络异常检测的有效性。
其他文献
消费者对不同种类的产品具有不同的价格偏好,而传统的序列模式挖掘算法仅考虑序列中不同项目的出现顺序,使得挖掘到的序列模式没有包含产品价格以及种类等重要信息。为了克服传统算法的这一缺陷,在序列模式中体现更多的用户行为信息,基于模糊集理论,提出了一种在产品种类维度上进行的跨种类模糊价格序列模式挖掘算法。实验结果表明,与传统序列模式挖掘算法相比,该算法可以有效解决序列数据的稀疏性问题,能够挖掘得到更多个性
针对目前信息隐藏算法抵抗隐写分析能力弱的问题,提出一种基于尺度不变(BRISK)局部特征的零低频信息隐藏算法。首先,对载体图像进行一阶CL多小波变换,在低频LL2中提取BRISK特征点生成图像特征矩阵;其次,利用zig-zag和Logistic混沌置乱对秘密信息进行去相关性处理;再次,将图像特征与加密信息通过对比特征值形成关联序列;最后,将关联序列嵌入到高频HL2、HH2的低3位。算法将高能量区域
通过分析光学优化算法的特性,将光学优化算法中每个光源点都用量子空间中的一个粒子来描述,利用群体智慧的聚集性,建立了光学优化算法的量子势能场模型,并根据势能场模型的群体自组织性和协同性等特点提出了量子光学优化算法。通过对多个经典测试函仿真分析,得出量子光学优化算法在量子力学收敛理论下比光学优化算法控制参数少,设置简单,优化性能更好,收敛速度更快,优化了算法的收敛精度和速度。
在仅以输入评分矩阵作为唯一算法输入的协同过滤推荐算法研究中,针对数据的质量不同带来的差异性对推荐结果的影响这一问题,包括对数据质量方面的重视与关注、如何刻画质量差异性以及如何针对不同质量数据的用户组别进行分组推荐建模等问题。提出针对数据质量的刻画,综合考虑用户行为一致性和用户信息熵两个指标对数据质量进行评价并对用户进行分组。对于不同组别的用户在分析其历史行为的基础上可以进行更精准的推荐建模。实验结
灰狼优化算法(GWO)是目前一种比较新颖的群智能优化算法,具有收敛速度快、寻优能力强等优点。将灰狼优化算法用于求解复杂的作业车间调度问题,与布谷鸟搜索算法进行比较研究,验证了标准GWO算法求解经典作业车间调度问题的可行性和有效性。在此基础上,针对复杂作业车间调度问题难以求解的特点,对标准GWO算法进行改进,通过进化种群动态、反向学习初始化种群以及最优个体变异三个方面的改进操作,测试结果表明,改进后