排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
优化的RBF神经网络在入侵检测中的应用 总被引：1，自引：1，他引：0
在入侵检测的应用中,RBF神经网络训练样本的数据量比较大,但是训练中广泛应用的OLS方法存在大数据量训练时间过长、不能根据数据特性确定平滑参数的缺点。针对此问题该文采用了一种基于快速模糊C-均值算法(AFCM)和正交最小二乘法(OLS)算法相结合的AFORBF训练算法;试验证明,AFORBF算法解决了RBF在入侵检测系统中处理大数据量时间过长的问题,获得了较高的检测率,简化了网络结构,提高了网络性能。 相似文献
2.
无线传感器网络中基于最小跳数的路由算法 总被引：1，自引：0，他引：1
最小跳数路由算法能保证无线传感器网络内部最小的消息包数量,因而应用广泛,但该算法存在内爆现象和能耗问题.文章提出新的改进算法,引入元数据概念、延迟转发和设置节点的阈值;仿真实验结果表明,该算法可以有效解决内爆问题,并能节约能量,延长无线传感器网络的生存周期. 相似文献
1