利用哈里斯鷹算法優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)研究

打開文本圖片集

摘 要 以往利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）搭建入侵檢測(cè)模型時(shí)，需用人工經(jīng)驗(yàn)設(shè)定網(wǎng)絡(luò)結(jié)構(gòu)，導(dǎo)致其網(wǎng)絡(luò)性能很難發(fā)揮最優(yōu)。為此，提出利用哈里斯鷹算法（HHO）對(duì)CNN的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行自適應(yīng)優(yōu)化，構(gòu)建入侵檢測(cè)模型。首先針對(duì)傳統(tǒng)CNN全連接層易發(fā)生過擬合的問題，采用全局池化層（GAP）對(duì)參數(shù)進(jìn)行縮減；然后采用哈里斯鷹算法選取CNN最佳網(wǎng)絡(luò)結(jié)構(gòu)，避免人工干預(yù)引起的檢測(cè)不確定性，從而縮短參數(shù)選擇時(shí)間，提升入侵檢測(cè)模型的適用性和入侵檢測(cè)性能。（剩余6054字）