基于细分变异算子策略的遗传算法

针对基本遗传算法局部搜索能力不强以及早熟的问题,提出基于细分变异算子的遗传算法(Genetic Algorithm Based on Subdividing Mutation,SMSGA).SMSGA将变异算子依据进化历程分成大步前进算子和最优调教算子.大步前进算子防止遗传早熟现象的发生;最优调教算子加强局部搜索的能力.同时,为加快算法收敛速度,对遗传操作实施策略进行优化,引入了路由选择操作.选用3个典型的测试函数在MATLAB平台中对该算法与基本遗传算法以及采用双变异率的改进遗传算法进行比较分析,结果表明,SMSGA可以有效的避免遗传算法中存在的局部搜索能力差和早熟现象的出现.     

基于自适应惯性权重的混沌粒子群算法

针对粒子群优化(particle swarm optimization,PSO)算法易陷入早熟的缺陷,提出了一种基于自适应惯性权重的混沌粒子群算法。首先利用立方映射产生的混沌序列对粒子位置进行初始化,为全局搜索的多样性奠定基础;然后采用自适应惯性权重优化策略,提高收敛速度;最后如果判断算法陷入早熟,则对算法进行混沌扰动,使其跳出局部最优。仿真实验结果表明,改进算法的收敛速度及收敛精度都有明显提高,能有效地避免早熟。     

面向流量控制的校园网计费系统的研究与设计

介绍了一种基于流量控制的校园网计费方案，通过价格协商实现网络费率定价，并详细讨论了校园网计费代理服务的设计原理及系统功能。     

一种基于Agent技术的网络安全系统模型

提出了一种基于Agent的网络安全系统模型，该系统将防火墙和入侵检测系统进行集成，采用分布式结构，并分别利用Agent和Mobile Agent技术来设计和实现，提高了系统的安全性能。     

一种基于改进遗传算法的文本特征选择方法

文本特征选择对提高文本分类的速度和准确率，改善网络信息过滤效果至关重要．把特征选择看作优化组合问题，提出用遗传算法进行文本特征选择．传统遗传算法适应性较差，本文对传统遗传算法交叉概率、变异概率、更新策略等重要参数和关键环节作了改进，实验验证了该算法的有效性．     

基于网格的TCP网络日志二次聚类算法

为了处理网络日志规模过大及其相关问题,根据TCP传输协议的特征,提出一种基于网格的TCP网络日志二次聚类算法(Grid-based TCP Two-step Clustering,GTTC).通过分析TCP连接过程,采用划分网格的方式把每一条TCP报文日志进行网格内初次聚类,再把初次聚类簇进行网格间二次聚类,最后生成表...     

结合信息熵的多Agent网络安全审计模型

针对目前网络安全审计中存在网络日志数据分析的智能性不高及安全审计模型采用的集中式结构负担重等缺点,设计一种新的多Agent网络安全审计模型,并在该模型中引入一种改进的基于信息熵的攻击检测算法.在实际运行环境中,通过对DDoS等攻击行为进行模拟和成功检测,证明该改进模型能够有效审计部分网络入侵,提高安全审计效率和日志数据...     

基于语义神经网络的文本特征选择方法的研究

文本自动分类的一项关键技术是特征选择。本文针对信息过滤的特点,对特征选择方法进行了改进,提出了一种基于语义神经网络的文本特征选择方法。首先对原始特征集进行初始筛选,去除冗余特征及噪声后,对得到的特征子集采用语义神经网络进行智能的特征选择,其核心是关联度及激活变量的计算。从而得出代表问题空间的最优特征子集,实现降维并提高分类精度。实验证明,该方法可以极大地降低文本的维数,提高文本过滤的质量。     

一种基于加权支持向量机的垃圾邮件过滤方法

基于内容的垃圾邮件过滤本质上是文本分类问题,支持向量机分类器非常适合于垃圾邮件过滤这一二分类问题,但标准的支持向量机是基于分类精度进行优化的,对两类邮件的重要性未以区别,造成了邮件分类时虽然整体精度较高,但对正常邮件的误判率也较高.据此笔者提出了一种基于加权支持向量机的垃圾邮件过滤算法,通过增加两类邮件的类别权重及反映每封邮件重要性的权重,对支持向量机分类器进行训练,在保证分类精度的同时,尽可能地降低对正常邮件的误判率.实验表明该算法取得了很好的过滤效果.