استفاده از الگوریتم بهینه سازی کلونی مورچگان برای تشخیص و دسته بندی نفوذ
Publish place: The first national electronic conference on technological advances in electrical, electronics and computer engineering
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 4,390
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
TDCONF01_161
Index date: 10 July 2015
استفاده از الگوریتم بهینه سازی کلونی مورچگان برای تشخیص و دسته بندی نفوذ abstract
بهینه سازی گروه مورچه ها یا ACO ، یک مسئله بهینه سازیست که گاه حل آن بسیار دشوار است و گاه نیز بسیار زمانبر. در این روش(ACO)، مورچه های مصنوعی به وسیله حرکت بر روی نمودار مساله و با باقی گذاشتن نشانه هایی بر روی آن، همچون مورچه های واقعی که در مسیر حرکت خود نشانه های باقی می گذارند، باعث می شوند که مورچه های مصنوعی بعدی بتوانند راه حل های بهتری را برای مساله فراهم نمایند. مطالعات کلنی مورچه به وفور در مجموعه ای از الگوریتم های هوشمند کمک کرده است. بهینه سازی الگوریتم مورچه (ACO) با موفقیت به کارهای بهینه سازی ترکیبی به خصوص به مشکل طبقه بندی داده کاوی استفاده گردیده است. الگوریتم های مبتنی بر مورچه و یا بهینه سازی کلونی مورچه ها (ACO) ، در زمینه داده کاوی کاربردی برای استخراج طبقه مبتنی بر قواعد بکار برده شده و در زمینه مشکلات بهینه سازی ترکیبی بطور موفق استفاده شده است.
استفاده از الگوریتم بهینه سازی کلونی مورچگان برای تشخیص و دسته بندی نفوذ Keywords:
استفاده از الگوریتم بهینه سازی کلونی مورچگان برای تشخیص و دسته بندی نفوذ authors
منیره حسام
دانشجوی کارشناسی ارشد موسسه عالی میرداماد گرگان
علی اکبر تجری
دانشجوی دکتری دانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :