买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工程大学

摘要：本发明提供了基于改进麻雀算法优化SVM参数的入侵检测方法，在麻雀算法基础上，提出基于Levy飞行、模拟退火、改进因子、正余弦算法的四种改进方法，进而提高麻雀算法的性能，使其跳出局部最优并稳定收敛。本发明麻雀搜索算法的发现者更新过程中加入正余弦算法和改进因子减小陷入局部极值的可能性，避免发现者与整个群体停滞不前的现象；在加入者更新过程中加入模拟退火算法和Levy飞行，提高全局和局部寻优能力，进而为SVM提供更好的参数，达到更好的分类效果，解决入侵检测系统精度不够问题。

主权项：1.一种基于改进麻雀算法优化SVM参数的入侵检测方法，其特征在于，包括如下步骤：步骤1：在入侵检测权威数据库KDDCUP中提取数据组成数据集，将数据集以7:3分为训练集x_train,y_train和测试集x_test,y_test，采用随机划分，尽量排除偶然性，以防数据过拟合；步骤2：初始化麻雀种群参数，设置预警值ST，发现者比例PD，有危险意识的麻雀比例SD，上下边界ub、lb，迭代次数Max以及种群数N等参数；步骤3：根据步骤2进行种群初始化，对种群中的每个个体X，X＝r*ub-lb+lb，使其随机分布，r为[0,1]间随机数；步骤4：对步骤3的种群个体进行适应度fitness计算，其中适应度值则根据SVM的分类效果准确率Accuravy求得，为fitness＝2-train_acc训练集准确度-test_acc测试及准确率；步骤5：对步骤4中的麻雀进行适应度值排序，且根据其排序对种群进行排序，找出最优个体和最差个体，选出初始最优解GbestScore以及对应的位置GbestPosition；步骤6：对步骤5初始后的麻雀种群进行迭代选取全局最优解及对应位置；步骤6.1：从适应度值较优的麻雀中选取部分作为发现者，引入正余弦算法和改进因子w；当R2预警值ST时，则利用改进因子与正弦融合求出新一批发现者Xnew＝w*X+r11*sinr2*|r3*GbestPositon-X|；反之，则混合余弦与改进因子更新发现者种群Xnew＝w*X+r11*cosr2*|r3*GbestPositon-X|，其中r2，r3为[0.2π]间的随机数，其中t为当前迭代次数；步骤6.2：剩余麻雀作为跟随者，进行加入者更新，利用模拟退火的思想，在麻雀算法的基础上，加入P；引入较大值T，T取8000，若适应度值较差则与原算法一样，算法不变；否则，使BestF为最优个体的适应度值，并对sigmoid函数进行优化，判断其正负，inx为正数反之，判断随机数epsilon∈[0,1]与P的大小，若大于等于，则适应度值较差，需要离开该区域；反之，实行Levy飞行，其中R取1.5，r为[0,1]间随机数，Fx＝x-1！；步骤6.3：负责警戒的麻雀进行危险更新：当当前适应度值大于BestF时，Xnew＝Xbest+b|X-Xbest|；等于时为，Xbest代表全局最优位置，Xw代表最差位置，fi、fw分别代表当前最佳适应度值和最差适应度值，λ为最小常数，b为步长，是一个符合正态分布中均值为0、方差为1的随机数，k是一个[-1,1]间的均匀随机数；步骤6.4：进行边界检测，循环搜寻每个个体的位置，都不超过上边界ub和下边界lb，若超过，则更新到相对应的边界处；步骤6.5：仿照步骤4，5进行当前种群适应度值计算，对其排序，选出适应度值最佳个体与全局最优GbestScore进行比较，若大于，则选用当前最优为全局最优，更新全局最优值及其最优位置；反之，则进行下次迭代，直到迭代结束选出最优解即为SVM参数最优值。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 基于改进麻雀算法优化SVM参数的入侵检测方法