基于改进遗传算法的网络传输异常数据实时监测方法

摘要

传统的网络异常数据实时监测方法误差率高、不具备实时性。基于改进遗传算法研究了一种新的网络传输异常数据实时监测方法,设定开关系数将神经网络的各个节点相连接,根据总误差F1和神经网络稳定性F2得到网络传输异常数据实时监测框架,利用Sigmoid函数进行改进,优化神经网络中的权值、阈值和拓扑结构,通过优化的神经网络、交叉操作和适应度函数设计监测网络异常数据,利用选择算子处理异常的网络数据。从适应度、训练结果和误差结果三方面进行验证,结果表明,基于改进遗传算法的网络传输异常数据实时监测方法适应度要始终高于传统异常数据实时监测方法,收敛速度更快,实时性更好,有效性更强。