kohonen-elm神经网络模型的研究及其在分类器中的应用

《kohonen-elm神经网络模型的研究及其在分类器中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、戀考《＾、｜硕±学位论文Ｋｏｈｏｎｅｎ－ＥＬＭ神经网络模型的研究及其在分类器中的应用：．作者姓名李诗雪学科专业计算数学指导教师凌卫新副教授所在学院数学学院论文提交日期２０１６年５月—．？？．．：？，又＇．＇又．１．＇占．去１．；，ResearchandApplicationinClassifierofKohonen-ELMNeuralNetworkModelADissertationSubmittedfortheDegreeof

2、MasterCandidate：LiShixueSupervisor：Prof.LingWeixinSouthChinaUniversityofTechnologyGuangzhou,China分类号；ＴＰ３９１学校代号：１０５６１学号：２０１３２０１２０７９３华南理工大学硕±学位论文Ｋｏｈｏｎｅｎ－ＥＬＭ神鐘网络模型的研究及其在分类器中的应用作者姓名：李诗雪指导教师姓名：、职称凌卫新副教授申请学位级别：硕±学科专业名称：计算数学研宛方向：计算智能与信息处理＾论文提交日期：边５／《

3、年支月３日论文答辩日期；年月方日学位授予单位：华南理工大学学位授予日期：年月曰答辩委员会成员毛委员：极時…蛟的吟华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名马功爹日期：础5月3日学位论文版权使用授权书本学位论文作者完全了解学校有关保

4、留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外〉；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位一论文。本人电子文档的内容和纸质论文的内容相致。本学位论文属于：口保密，（校保密委员会审定为涉密学位时间：一一年一－月一一日）于一一年一一月一一日解密后适用本授权书。q升之保密，同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同

5、意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入CNKI《中国知识资源总库》，传播学位论文的全部或部分内容。“”（请在以上相应方框内打J）作者签名：系儒日期：&.iJt6.()S、o3指导教师签名：二Y、华4之日期二ot6‘05‘o3作者联系电话：电子邮箱摘要人工神经网络是人工智能研究领域的重要分支，其在预测、分类、模式识别、系统辨识等领域都有广泛的应用，神经网络训练的分类器在网络安全方面应用也较为广泛。信息化时代的到来，使得网络安全问题日益突出，对入侵检测技术的要求越来越高。入侵检测作为网络安全研究

6、的重要内容，一直是国内外学者关注的热点。Kohonen网络是自组织映射神经网络，针对传统的Kohonen网络用于聚类时极易陷入局部最优的困境，许多学者将诸如粒子群算法、遗传算法等群智能算法应用到神经网络的设计和参数优化中。本文以入侵检测数据集KDDCUP99作为主要数据处理对象，为设计实现性能更高的基于Kohonen的神经网络分类器，提出基于极速学习算法（Extremelearningmachine，简称ELM）的Kohonen神经网络算法(Kohonen-ELM)。本文的主要研究工作如下：（1）提出了改进的遗传算法，

7、利用交叉验证技术，将关于训练样本的训练精度与验证样本的验证精度的函数做为遗传算法的适应度函数，避免过拟合或欠拟合现象的发生。并将它应用到数据集降维预处理，与主成分、核主成分方法进行算法性能比较，实验结果表明本文提出的算法有更高的精度，即算法改进有效。（2）应用ELM优化Kohonen神经网络的权值，并用本文提出的改进遗传算法确定网络的隐层结构。给传统的Kohonen神经网络添加输出层，使其适用于训练分类器。因为传统的网络权值训练算法属于迭代算法，而ELM只需一次计算就可得到优化的网络权值，所以大大降低了训练时间，使算法

8、更高效。（3）作为检验本文提出的基于Kohonen-ELM的神经网络分类器的适用范围，论文最后部分对多个UCI数据集和COIL100图像数据集进行实验，并将结果与其它文献实验结果进行比较，表明本文提出的分类器具有更高精度，并且对不同类型的数据集均有较好的精度及稳定性。关键词：Kohonen神经网络；极速学习算法；遗传算法；入侵检测