[发明专利]基于改进粒子群算法的入侵检测系统分类器优化方法

权利要求书

1.一种基于改进粒子群算法的入侵检测系统分类器优化方法，其特征在于，该算法是利用改进的粒子群算法实现支持向量机快速准确的参数搜索，以粒子隔代进化情况作为反馈参数，自适应调整粒子群算法中的惯性权重参数，使算法快速收敛于全局最优解。

2.如权利要求1所述的基于改进粒子群算法的入侵检测系统分类器优化方法，其特征在于，所述算法包括以下步骤：

(1)支持向量机参数搜索分析：支持向量机参数有两个：惩罚系数c、核参数g，使用粒子群算法对两个参数进行寻优；

(2)自适应粒子群算法分析：根据粒子群隔代进化比例，得出粒子群所处的搜索环境，根据搜索环境对除适应度最好的粒子外的粒子采用想用的惯性权值策略，适应度最好的粒子继续沿着原方向进行搜索；

(3)使用粒子群算法参数寻优：粒子群算法在由支持向量机参数c、g组成二维搜索空间进行搜索，循环迭代，最终得出两个参数的最优解。

3.根据权利要求2所述的基于改进粒子群算法的入侵检测系统分类器优化方法，其特征在于，所述基于改进粒子群算法的入侵检测系统分类器优化方法进一步包括：

(1)支持向量机参数搜索分析：对数据集进行预处理，制定搜索停止准则；

(2)自适应粒子群算法分析：首先随机初始化粒子种群，然后进入迭代过程。

4.根据权利要求3所述的基于改进粒子群算法的入侵检测系统分类器优化方法，其特征在于，每迭代一次后，对迭代后种群进行分析，分为四步，计算种群进化比例、判断种群所处搜索环境、更新gbest、更新其他粒子：

(a)计算种群进化比例：种群进化比例作为惯性权值的反馈参数，在该算法中至关重要，计算公式如下：

其中：

(b)判断种群所处的搜索环境：若满足条件：Q_r(t)＞Q_r(t-1)，满足条件：Q_r(t)＜Q_r(t-1)，说明粒子群在最优值附近震荡；

(c)更新gbest：gbest粒子，沿目前的方向继续搜索，不受自我认知和社会认知的影响，直到它不再是gbest粒子；

(d)更新其他粒子：按照粒子群速度及位置公式更新速度和位置，其中，惯性权值更新公式如下：

速度更新公式如下：

其中，当粒子为gbest时，和均为0；其他粒子和基本粒子群算法更新公式一致。