【摘要】：為了解決SVM算法針對(duì)海量、非平衡樣本的入侵檢測(cè)存在訓(xùn)練速度慢等問(wèn)題,提出基于鄰界區(qū)的快速增量SVM入侵檢測(cè)算法。在該算法中,首先利用均值和標(biāo)準(zhǔn)差的K均值聚類分析算法對(duì)訓(xùn)練樣本集進(jìn)行鄰界區(qū)生成,然后對(duì)鄰界區(qū)數(shù)據(jù)集進(jìn)行樣本篩選,剔除成為支持向量概率較小的點(diǎn)和噪聲或過(guò)擬合點(diǎn),最后通過(guò)增量學(xué)習(xí)模式構(gòu)造最優(yōu)超平面,生成最優(yōu)SVM分類器。實(shí)驗(yàn)仿真證明,該算法具有較好的分類性能,能有效提高入侵檢測(cè)的檢測(cè)精度和檢測(cè)率,降低誤報(bào)率。
[Abstract]:In order to solve the problem that SVM algorithm has slow training speed for massive and unbalanced samples, a fast incremental SVM intrusion detection algorithm based on adjacent bound region is proposed. In this algorithm, the K-means clustering algorithm of mean and standard deviation is first used to generate the adjacent bound region of the training sample set, and then the adjacent bound data set is selected. Finally, the optimal hyperplane is constructed by incremental learning mode, and the optimal SVM classifier is generated by eliminating the points with low probability of support vector and noise or over-fitting points. The experimental results show that the algorithm has good classification performance and can effectively improve the detection accuracy and detection rate of intrusion detection and reduce the false alarm rate.
【作者單位】： 長(zhǎng)春工業(yè)大學(xué)人文信息學(xué)院;
【分類號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 李漢彪;劉淵;;一種SVM入侵檢測(cè)的融合新策略[J];計(jì)算機(jī)工程與應(yīng)用;2012年04期

2 劉曄;王澤兵;馮雁;古紅英;;基于增量支持向量機(jī)的DoS入侵檢測(cè)[J];計(jì)算機(jī)工程;2006年04期

3 牟琦;陳藝?yán)?畢孝儒;厙向陽(yáng);;一種基于快速增量SVM的入侵檢測(cè)方法[J];計(jì)算機(jī)工程;2012年12期

4 丁文軍;薛安榮;;基于SVM的Web文本快速增量分類算法[J];計(jì)算機(jī)應(yīng)用研究;2012年04期

5 徐永華;李廣水;;基于距離加權(quán)模板約簡(jiǎn)和屬性信息熵的增量SVM入侵檢測(cè)算法[J];計(jì)算機(jī)科學(xué);2012年12期

6 張永俊;牟琦;畢孝儒;;基于云模型的增量SVM入侵檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊緒兵,韓自存;ε不敏感的核Adaline算法及其在圖像去噪中的應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年04期

2 陶秀鳳,唐詩(shī)忠,周鳴爭(zhēng);基于支持向量機(jī)的軟測(cè)量模型及應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2004年02期

3 許高程;張文君;王衛(wèi)紅;;支持向量機(jī)技術(shù)在遙感影像滑坡體提取中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年06期

4 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機(jī)遙感圖像融合分類方法研究進(jìn)展[J];安徽農(nóng)業(yè)科學(xué);2010年17期

5 馮學(xué)軍;;最小二乘支持向量機(jī)的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年01期

6 鄒心遙;姚若河;;基于LSSVM的威布爾分布形狀參數(shù)估計(jì)(英文)[J];半導(dǎo)體技術(shù);2008年06期

7 鄒心遙;姚若河;;基于LSSVM的小子樣元器件壽命預(yù)測(cè)[J];半導(dǎo)體技術(shù);2011年09期

8 李卓遠(yuǎn),吳為民,王e，

本文編號(hào)：2395751