网络入侵检测中一种新型SVM特征加权分类方法

• 作者: 刘凤玉 张琨 曹宏鑫 衷宜
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 网络入侵检测 支持向量机 特征加权分类
• 年，卷（期）: 2008,（2）
• 页码范围: 231-236
• 页数: 6页
• 分类号: TP393.08
• 字数: 3961字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9830.2008.02.021

摘要

在SVM的网络入侵检测中,发现不同的网络数据特征对分类结果的影响程度不同,针对这一问题,提出了一种新型SVM特征加权分类方法,以获得更好的最优分类面.该方法对分类影响较大的数值特征的值进行指数加权变换,使得原来处于分类面附近被错分的样本得到了纠正.实验表明该方法明显增加了分类正确的样本数,并有效提高了检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘凤玉	南京理工大学计算机科学与技术学院	222	2047	22.0	31.0
2	衷宜	南京理工大学计算机科学与技术学院	20	115	5.0	10.0
3	张琨	南京大学软件新技术国家重点实验室	79	780	15.0	24.0
7	曹宏鑫	南京理工大学计算机科学与技术学院	4	29	3.0	4.0