首页> 中文期刊> 《北京工业大学学报》 >入侵检测中的多分类SVM增量学习算法

入侵检测中的多分类SVM增量学习算法

         

摘要

通过分析入侵检测样本的分布特点,提出了一种多分类SVM增量学习算法.该算法通过衡量同类样本点和样本中心之间的距离来确定用于训练的支持向量,以选择对分类贡献较大的边缘向量进行训练,通过求解多个超平面的方法划分出不同类别样本的区域,实现了多分类的增量学习.在保证检测率的同时,减少了样本学习数量.利用KDDCLJP99标准数据集进行测试,证明该算法可以大幅度降低训练的时间和空间复杂度.

著录项

  • 来源
    《北京工业大学学报》 |2009年第12期|1697-1702|共6页
  • 作者

    吴静; 刘衍珩; 孟凡雪;

  • 作者单位

    吉林大学,计算机科学与技术学院,长春,130012;

    吉林大学,符号计算与知识工程教育部重点实验室,长春,130012;

    吉林大学,计算机科学与技术学院,长春,130012;

    吉林大学,符号计算与知识工程教育部重点实验室,长春,130012;

    吉林大学,计算机科学与技术学院,长春,130012;

    吉林大学,符号计算与知识工程教育部重点实验室,长春,130012;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 TP393.08;
  • 关键词

    支持向量机; 入侵检测; 增量学习; 多分类;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号