版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、利用BP神經(jīng)網(wǎng)絡(luò)可以進行入侵檢測分析,但識別率低。AdaBoost集成算法通過集成多個有差異性的BP神經(jīng)網(wǎng)絡(luò),可以提高識別率。但隨著網(wǎng)絡(luò)的迅速發(fā)展,在面對海量數(shù)據(jù)時,傳統(tǒng)的串行計算模式難以滿足快速訓(xùn)練要求,因此對網(wǎng)絡(luò)環(huán)境中多節(jié)點計算的需求日益增加。本文主要內(nèi)容就在于多節(jié)點集成算法的研究及其在入侵檢測上應(yīng)用分析。
本文首先在了解BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,采用了BP神經(jīng)網(wǎng)絡(luò)作為AdaBoost算法的基分類器。然后對AdaBoost
2、算法作了詳細(xì)說明,并對一種并行AdaBoost算法做出改進。改進后,用本輪訓(xùn)練得到的多個分類器的集成訓(xùn)練誤差來調(diào)整樣本分布權(quán)重的方法,來代替原并行算法中的選擇一個最優(yōu)分類器來調(diào)整樣本分布權(quán)重的方法。接著給出了一種多節(jié)點環(huán)境下的AdaBoost算法。該算法應(yīng)用在多節(jié)點環(huán)境的計算機集群上,用FCM算法實現(xiàn)一種樣本權(quán)重修正算法,使得多節(jié)點能夠同時訓(xùn)練多個分類器。最后,將改進的多節(jié)點并行AdaBoost算法和基于FCM算法的多節(jié)點AdaBoos
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 醫(yī)保異常檢測的分類集成算法研究.pdf
- 人工免疫算法在入侵檢測上的應(yīng)用與研究.pdf
- 聚類集成算法在客戶細(xì)分中的研究及應(yīng)用.pdf
- 聚類集成算法及應(yīng)用研究.pdf
- 免疫算法在入侵檢測中的應(yīng)用.pdf
- 頻繁模式挖掘算法研究及在入侵檢測中的應(yīng)用.pdf
- 聚類算法在入侵檢測中的應(yīng)用.pdf
- 聚類集成算法研究.pdf
- 數(shù)據(jù)挖掘算法在入侵檢測中的分析及應(yīng)用.pdf
- 神經(jīng)網(wǎng)絡(luò)集成算法研究及在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用.pdf
- 佳點集覆蓋算法的研究及在入侵檢測中的應(yīng)用.pdf
- 入侵檢測中關(guān)聯(lián)算法的研究及應(yīng)用.pdf
- 多模匹配算法及在入侵檢測系統(tǒng)中的應(yīng)用.pdf
- 改進的譜聚類集成算法研究與應(yīng)用.pdf
- 分布式入侵檢測系統(tǒng)節(jié)點聯(lián)動算法研究.pdf
- 特征選擇算法研究及其在入侵檢測中的應(yīng)用.pdf
- 免疫入侵檢測自體集優(yōu)化和檢測器生成算法研究.pdf
- 基于節(jié)點的局部網(wǎng)格生成算法及其應(yīng)用研究.pdf
- 神經(jīng)網(wǎng)絡(luò)集成算法研究及其在煤礦安全中的應(yīng)用.pdf
- 頻敏模式挖掘算法及在入侵檢測中的應(yīng)用研究.pdf
評論
0/150
提交評論