基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将小波理论和统计学习运用到网络入侵检测中,使用小波核支持向量机(WSVM)对网络连接信息进行攻击检测和异常发现.仿真试验结果表明,与RBF核相比,小波核支持向量机在泛化能力和检测能力方面都有所提高.
推荐文章
改进支持向量机在网络入侵检测中的应用
粒子群优化算法
核主成分分析
支持向量机
入侵检测
支持向量机在网络异常入侵检测中的应用
网络入侵检测
异常检测
支持向量机
统计学习理论
高斯小波支持向量机的研究
高斯小波核
支持向量机
核函数方法
短期负荷预测
改进蚁群算法优化支持向量机的网络入侵检测
网络入侵
蚁群优化算法
支持向量机
参数优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 小波核支持向量机的网络入侵检测
来源期刊 计算机工程与应用 学科 工学
关键词 小波核函数 支持向量机 入侵检测
年,卷(期) 2006,(17) 所属期刊栏目 网络、通信与安全
研究方向 页码范围 143-145
页数 3页 分类号 TP393.08
字数 3026字 语种 中文
DOI 10.3321/j.issn:1002-8331.2006.17.044
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 旷海兰 衡阳师范学院计算机系 20 150 6.0 12.0
2 罗可 长沙理工大学计算机与通信工程学院 92 1085 16.0 28.0
3 刘新华 武汉理工大学信息工程学院 35 527 12.0 22.0
4 魏书堤 衡阳师范学院计算机系 48 105 6.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (12)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
小波核函数
支持向量机
入侵检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导