改进天牛群算法优化正则化极限学习机的入侵检测方法

摘要

本发明实施例公开了改进天牛群算法优化正则化极限学习机的入侵检测方法，引入LU分解法通过迭代求解输出权值，降低计算的复杂度，提高入侵检测的准确率；引入改进天牛群算法用于RELM神经网络参数寻优以提高其检测精度和训练速度，改进天牛群算法使用Tent映射反向学习初始化种群、莱维飞行的群体策略以及动态变异策略，使得个体在移动的过程中动态学习群体的经验，提高算法的收敛速度、增强后期的探索能力，避免算法陷入局部最优。