基于细胞自动机的分类算法的研究及应用

论文摘要

近些年来,细胞自动机作为一个建模工具,由于本身丰富的特性,得到了研究者的广泛关注,而细胞自动机在模式分类领域的应用是一个新的研究方向。基于细胞自动机的分类算法的一个研究方向是采用多吸引子细胞自动机（MACA）设计分类算法,代表性的算法是基于遗传算法的细胞自动机二分类算法（GA-CA）,但是该算法还存在一些不足：该算法是针对二类问题设计的,对于多类问题并不适合；由于多吸引子细胞自动机本身构造过程的特点,在算法中,遗传算法的交叉和变异操作的方式使收敛速度减慢；由于该算法对模式空间的分割是均匀的,对在模式空间分布不均匀的分类问题,该算法的识别率比较低。本文对算法GA-CA改进,研究了基于遗传算法的细胞自动机的多分类算法（GAM-CA）,该算法是对GA-CA的推广,能够用来解决多分类问题。本文对算法GA-CA改进,研究了基于改进粒子群算法的细胞自动机分类算法（IPSOM-CA）,实验表明该算法更加适合多吸引子细胞自动机的构造过程,提升了收敛速度上。提出了基于改进分类回归树算法的细胞自动机分类算法（ICART-CA）,该算法能够对模式空间进行非均匀分割,实验表明该算法能够更好的解决在模式空间分布不均匀的分类问题。将算法GA-CA, IPSOM-CA和ICART-CA应用于网络入侵检测分类识别。首先对数据预处理,获得实验的数据集,然后按照测试方案测试这三种算法,并比较了这三种算法。进一步验证了本文所研究算法的可行性、有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 基于细胞自动机的分类算法研究的历史及现状
• 1.3 本文研究目的
• 1.4 章节安排
• 第二章 细胞自动机及基于细胞自动机的分类算法
• 2.1 细胞自动机的定义、构成及特点
• 2.1.1 细胞自动机的定义
• 2.1.2 细胞自动机的构成及特点
• 2.2 一维细胞自动机
• 2.2.1 一维细胞自动机的规则
• 2.2.2 细胞自动机分析理论
• 2.2.3 多吸引子细胞自动机（MACA）
• 2.3 样本预处理
• 2.4 基于遗传算法的细胞自动机二分类算法
• 2.4.1 遗传算法
• 2.4.2 基于遗传算法的细胞自动机二分类算法
• 2.4.3 算法GA-CA的实验及分析
• 2.5 本章小结
• 第三章 基于多吸引子细胞自动机的分类算法
• 3.1 基于遗传算法的细胞自动机多分类算法
• 3.1.1 基于遗传算法的细胞自动机多分类算法
• 3.1.2 算法GAM-CA的实验及分析
• 3.2 基于改进粒子群算法的细胞自动分类算法
• 3.2.1 粒子群算法
• 3.2.2 基于改进粒子群算法的细胞自动机分类算法
• 3.2.3 算法IPSOM-CA的实验及分析
• 3.3 两种算法的实验比较及分析
• 3.4 本章小结
• 第四章 基于改进分类回归树的细胞自动机分类算法
• 4.1 分类回归树算法
• 4.1.1 最优分支选择
• 4.1.2 分支停止准则
• 4.1.5 CART算法
• 4.2 基于改进的分类回归树的细胞自动机分类算法
• 4.2.1 算法GAM-CA和IPSOM-CA的特点
• 4.2.2 CART算法中关于分割的特点
• 4.2.3 基于改进的CART的细胞自动机分类算法
• 4.3 算法ICART-CA的实验及分析
• 4.4 本章小结
• 第五章 基于细胞自动机的分类算法的应用
• 5.1 入侵检测分析方法概述
• 5.2 样本集的获取和处理
• 5.3 测试方案
• 5.4 网络入侵检测分类识别实验结果
• 5.5 本章小结
• 第六章 总结
• 6.1 工作总结
• 6.2 展望
• 致谢
• 参考文献