[发明专利]一种用于木马事件预测的最小二乘支持向量机的训练方法及预测方法

摘要

本发明提供了用于木马事件预测的最小二乘支持向量机的训练方法和预测方法。其中利用改进的遗传算法优化最小二乘支持向量机的参数，利用训练好的最小二乘支持向量机来进行预测。改进的遗传算法能够快速收敛，且更接近全局最优值，而且优化后的最小二乘支持向量机能够在提升预测准确度的同时保持较好的性能，可应用于大规模网络中的木马事件发生数量的预测。

主权项

1.一种用于木马事件预测的最小二乘支持向量机的训练方法，所述方法包括：步骤1)将木马事件序列{r₁，r₂，……，r_l}中的每个值与前面的m个相隔为τ的值相关，即r_1+mτ＝F(r₁，r_1+τ，……，r_1+(m-1)τ)，其中，l为样本总数，m和τ是小于l的正整数；步骤2)将样本数据划分为多个训练数据对(x_i，y_i)，i＝1，2，……，n，其中输入向量x_i∈R^m，R^m是输入向量的维数，输出向量y_i∈R，R是输出向量的维数，n＝l-1-(m-1)τ；步骤3)构造最小二乘支持向量机为：其中K(x_i，x)为核函数，应满足K(x_i，x)＝exp{-||x_i-x||/2σ²}，σ为核宽度；步骤4)基于样本数据采用遗传算法来确定所述最小二乘向量机的参数α_i和b的最优值。