智能優(yōu)化算法研究及其應(yīng)用.pdf

1、優(yōu)化技術(shù)作為一個以數(shù)學(xué)為基礎(chǔ)的重要的科學(xué)分支，一直受到人們的廣泛關(guān)注，并對其它學(xué)科產(chǎn)生了重大影響。優(yōu)化技術(shù)用于求解各種工程問題優(yōu)化解的方法在諸多工程領(lǐng)域得到廣泛應(yīng)用，已成為各種不同領(lǐng)域中問題優(yōu)化求解的不可缺少的有力工具。近年來最優(yōu)化理論與方法研究取得很大進(jìn)展，新技術(shù)新方法層出不窮。工程領(lǐng)域中常用的優(yōu)化算法主要包括經(jīng)典優(yōu)化算法、改進(jìn)型算法、動態(tài)演化算法等。隨著計算機技術(shù)的快速發(fā)展，最優(yōu)化技術(shù)與方法在人工智能、系統(tǒng)控制、模式識別、生產(chǎn)調(diào)度管

2、理等領(lǐng)域得到廣泛應(yīng)用，成為一個研究的熱點問題。
　　 智能優(yōu)化算法是指模仿自然與生物機理為特征的隨機搜索算法，如遺傳算法，蟻群算法，粒子群優(yōu)化算法，人工魚群算法等。很多優(yōu)化問題已經(jīng)被證明是NP完全問題，傳統(tǒng)的最優(yōu)化方法難以對這類問題求解，而智能優(yōu)化算法為這些困難問題提供了有效的解決方法。
　　 本文主要研究了粒子群優(yōu)化算法、支持向量機、粗糙集理論等智能優(yōu)化和機器學(xué)習(xí)算法及其在人臉識別和入侵檢測兩個具體問題中的應(yīng)用。

3、>　　 論文的主要工作和貢獻(xiàn)如下：
　　 ·研究了人臉識別系統(tǒng)和入侵檢測系統(tǒng)的發(fā)展背景、應(yīng)用技術(shù)，比較了現(xiàn)有的人臉識別方法，分析了動態(tài)網(wǎng)絡(luò)安全入侵檢測技術(shù)，并對入侵檢測技術(shù)進(jìn)行了分類，且和本文后面章節(jié)相關(guān)的技術(shù)作了具體比較，最后提出了基于機器學(xué)習(xí)的入侵檢測模型。
　　 ·提出了一種基于遺傳算法的支持向量機參數(shù)選取優(yōu)化算法。研究了支持向量機在人臉識別系統(tǒng)中的應(yīng)用：在人臉圖像數(shù)據(jù)庫ORL上首先對臉像進(jìn)行人眼定位和圖像歸一化

4、，再利用小波分解和積分投影的方法來對人臉圖像進(jìn)行特征提取，通過在遺傳算法中以識別率作為準(zhǔn)則定義恰當(dāng)?shù)倪m應(yīng)度函數(shù)，對支持向量機的懲罰因子C和核函數(shù)參數(shù)σ2進(jìn)行選取優(yōu)化，最后利用經(jīng)參數(shù)優(yōu)化的支持向量機進(jìn)行人臉識別，并搭建相應(yīng)實驗平臺進(jìn)行驗證。本文所提出的基于遺傳算法的支持向量機參數(shù)優(yōu)化方法的識別率最優(yōu)時能達(dá)到99.42％，是一種行之有效的方法。
　　 ·提出了把遺傳算法和支持向量機融合算法應(yīng)用到人臉識別系統(tǒng)中，該融合算法在優(yōu)化支持向

5、量機參數(shù)的同時能得到最優(yōu)的人臉特征子集，把分類性能引入作為特征的評價準(zhǔn)則，得到一個較好的應(yīng)用結(jié)果。
　　 ·提出了基于模糊粗糙集屬性重要度的屬性約簡算法。首先利用人眼自動定位的方法進(jìn)行人眼定位，然后進(jìn)行人臉圖像歸一化，再利用小波分解與積分投影法提取人臉特征。屬性約簡方法是以屬性的類間分類重要度為依據(jù)的，是以屬性的類內(nèi)相似重要度作為準(zhǔn)則，使得類內(nèi)相似重要度值最大的一組特征即為所求的屬性約簡集，實驗結(jié)果表明這種屬性約簡方法是有效的。

6、
　　 ·提出了粒子最優(yōu)位置混沌優(yōu)化算法，并且把量子進(jìn)化理論和粒子群優(yōu)化理論相結(jié)合，提出了基于量子粒子群優(yōu)化的入侵檢測系統(tǒng)構(gòu)建方法，實驗結(jié)果表明：把基于量子粒子群優(yōu)化屬性約簡方法應(yīng)用于基于支持向量機的入侵檢測系統(tǒng)，能有效提高網(wǎng)絡(luò)入侵檢測檢測效率。
　　 ·提出構(gòu)建基于機器學(xué)習(xí)的混合入侵檢測統(tǒng)的一般方法。本文系統(tǒng)的比較了機器學(xué)習(xí)算法在入侵檢測系統(tǒng)中針對不同攻擊數(shù)據(jù)類型的檢測性能，不同的機器學(xué)習(xí)算法在入侵檢測系統(tǒng)針對不同的數(shù)