公开(公告)号：CN111079142A

公开(公告)日：2020-04-28

申请号：CN201911049400.0

申请日：2019-10-31

申请人： 湖北工业大学

发明人： 叶志伟 ,  董达伟 ,  解世伟

IPC分类号： G06F21/56

摘要： 本发明公开了一种基于烟花算法和支持向量机的恶意软件检测方法，利用烟花算法自适应进化特性，实现对支持向量机参数的自适应调节，使得模型利用软件特征数据集进行训练学习过程中能够有效实现自适应提高恶意软件检测准确率，能够用于计算机信息安全领域中；本发明采用正确率均值作为评价函数有效地避免了训练模型在某一数据集上出现过拟合的情况，可以很好地、客观地提升模型整体性能，提高鲁棒性，同时采用烟花算法优化求解最优参数，可以满足快速自适应增强恶意软件检测精度的要求。

公开(公告)号：CN111125182B

公开(公告)日：2023-04-18

申请号：CN201911049403.4

申请日：2019-10-31

申请人： 湖北工业大学

发明人： 叶志伟 ,  董达伟 ,  曹羽

IPC分类号： G06F16/2458 ,  G06N3/006

摘要： 本发明公开了一种基于改进蚁狮优化算法和频繁模式增长的关联规则提取方法，将频繁模式树上路径的遍历转化为借助于蚁狮优化算法结合项头表在频繁模式树上路径的搜索，对搜索到的路径即关联规则利用适应度函数进行评估并保存，挖掘出最佳关联规则。本发明不同于频繁模式增长算法的完全遍历，而是借助于蚁狮优化算法从启发式角度进行智能搜索，有效缩短了关联规则挖掘所耗时间，相比于传统关联规则挖掘算法，该发明更能适应海量数据的关联规则挖掘。

公开(公告)号：CN111125182A

公开(公告)日：2020-05-08

申请号：CN201911049403.4

申请日：2019-10-31

申请人： 湖北工业大学

发明人： 叶志伟 ,  董达伟 ,  曹羽

IPC分类号： G06F16/2458 ,  G06N3/00

摘要： 本发明公开了一种基于改进蚁狮优化算法和频繁模式增长的关联规则提取方法，将频繁模式树上路径的遍历转化为借助于蚁狮优化算法结合项头表在频繁模式树上路径的搜索，对搜索到的路径即关联规则利用适应度函数进行评估并保存，挖掘出最佳关联规则。本发明不同于频繁模式增长算法的完全遍历，而是借助于蚁狮优化算法从启发式角度进行智能搜索，有效缩短了关联规则挖掘所耗时间，相比于传统关联规则挖掘算法，该发明更能适应海量数据的关联规则挖掘。