基于改进PSO算法的LSSVM入侵检测模型

特征选择是网络入侵检测研究中的核心问题，为了提高网络入侵检测率，提出一种人工鱼群算法（AFSA）和支持向量机（SVM）相融合的网络入侵检测模型（AFSA-SVM）。将网络特征子集编码成人工鱼的位置，以

基于数据挖掘的入侵检测系统模型，冯超，，本文提出了一种基于数据挖掘的分布式入侵检测系统模型，介绍了该系统模型的结构，以及系统进行数据挖掘的过程。

为了提高网络入侵检测的正确率，提出一种精英选择策略粒子群算法（EPSO）优化相关向量机（RVM）的网络入侵检测模型（EPSO-RVM）。将相关向量机的参数编码成粒子，将入侵检测正确率作为粒子群搜索的目

：支持向量机（support vector machines）是一种建立在统计学习理论基础之上的机器学习方法。基于支持向量机在处理小 样本、高维数及泛化能力强等方面的优势，该文提出了一种根据结构风险最

灰狼优化算法(Grey Wolf Optimizer,GWO)由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。该算法受到了灰狼捕食猎物活动的启发而开发的一种

Various improved PSO algorithm code matlab.zip

网络入侵检测系统IDS中，异常数据所占的比例非常小，属于小类样本，却是检测的目标。在AdaBoost算法基础上进行改进，通过对大类样本权重设置阈值，对权值超过阈值的样本进行相应处理，来削弱分类器对大类

解的稀疏性的丧失——所有的训练样本均作为支持向量,是最小二乘支持向量机的缺点之一,针对导致模型复杂度提高和模型训练、识别速度降低的问题,从数据挖掘和支持向量的几何分布含义两个方面出发,提出了一种新的支

提出了一种改进的混合高斯背景模型方法,克服了传统混合高斯背景建模方法计算时间长的缺点。通过对视频图像中运动目标区域进行背景建模,减小了每一帧的背景建模区域,同时在提取运动目标区域前先对初提取的前景目标

用MATLAB实现的粒子群优化算法,包括代码的含义和实现步骤