《表1 DBN-ADT方法参数列表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于物联网的粮情监控系统中入侵检测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验平台采用Eclipse+PyDev插件，DBN-ADT方法参数设置如表1所示。NSL-KDD数据集经过数据预处理后得到122维特征，即输入层有122个节点。而文献[15]已经详细阐述了DBN的网络深度、输出层节点数等关键因素对入侵检测性能的影响。本文选取5层RBM网络结构，通过折半查找法逐步递归选择合适的隐藏层节点个数，其隐藏层节点数依次为110、80、55、35、10，即DBN-ADT网络结构为122-110-80-55-35-10。在DBN预训练过程中迭代次数选取30，而DBN-ADT方法对网络入侵数据检测的准确率（Accuracy，AC）和误报率（False Alarm Rate，FAR）与基于BP算法的权重微调过程的迭代次数关系如图5所示。预训练和微调权重过程学习速度为0.06。