利用哈里斯鹰算法优化卷积神经网络的入侵检测研究

打开文本图片集

摘 要 以往利用卷积神经网络（CNN）搭建入侵检测模型时，需用人工经验设定网络结构，导致其网络性能很难发挥最优。为此，提出利用哈里斯鹰算法（HHO）对CNN的网络结构进行自适应优化，构建入侵检测模型。首先针对传统CNN全连接层易发生过拟合的问题，采用全局池化层（GAP）对参数进行缩减；然后采用哈里斯鹰算法选取CNN最佳网络结构，避免人工干预引起的检测不确定性，从而缩短参数选择时间，提升入侵检测模型的适用性和入侵检测性能。（剩余6054字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。