论文部分内容阅读
为了较好克服量子粒子群算法存在早熟收敛的缺点，在分析算法参数和流程的基础上，提出了一种带变异操作的改进量子粒子群优化算法。针对传统BP算法易于陷入局部极小的不足，将改进的算法应用到BP神经网络的学习过程中，修正BP网络的权值和阈值，提高其收敛性能。并将优化的BP神经网络模型应用于入侵检测中，用标准入侵检测数据对基于不同算法的BP网络进行仿真实验比较。实验结果表明，改进后的BP算法迭代次数少，收敛速度有所提高，在一定程度上提高了入侵检测率。