来源：期刊VIP网 时间：
作者：周文;高毅;贺军;燕俊;马铭鑫;
单位：北方自动控制技术研究所;
摘要：使用概率神经网络（PNN）对网络流量数据进行识别、分类，可以快速、高效、准确地从海量网络数据中识别各类数据，为网络攻击防护、网络管理提供依据。但经典PNN模型中平滑因子σ的取值一般靠经验获取，需要进一步探索它的优化选取方法，以改进PNN模型对网络流量数据识别、分类时的性能；采用一种近年提出的、较新的优化搜索算法——樽海鞘算法对平滑参数的取值进行优化，使用了优化后的σ值构造PNN的径向基函数，实现了对经典PNN模型的改进。使用公开的CIC数据集结合捕获的公共信息网络的流量数据，对改进后的PNN模型进行了实验验证，通过对比分析改进后模型和经典模型的分类准确率、耗时时长，可以得出改进模型的PNN在处理网络流量数据识别、分类任务时表现出色，性能显著提升的结论。
关键词：概率神经网络;;CIC数据集数据;;捕获特征;;樽海鞘算法;;平滑参数;;径向基函数
