基于神经网络的入侵检测集成分类系统

• 作者: 孙雅妮 王新房 陈新华
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 入侵检测 核主成分分析 独立成分分析 神经网络 集成学习
• 年，卷（期）: 2009,（15）
• 所属期刊栏目: 信息安全技术
• 页码范围: 3501-3503
• 页数: 3页
• 分类号: TP393.08
• 字数: 3813字
• 语种: 中文

摘要

基于当前入侵检测系统检测性能不理想、自学习能力差的问题,提出入侵检测集成分类系统.通过特征提取方法核主成分分析(KPCA)和独立成分分析(ICA)分别与神经网络集成技术构造两个子分类器,对其结果进行加权集成,系统利用遗传算法自适应调整集成分类系统的权重.实验结果表明,集成分类系统具有较理想的入侵检测性能,并有较好的学习能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新房	西安理工大学计算机科学与工程学院	65	417	11.0	16.0
2	孙雅妮	西安理工大学计算机科学与工程学院	2	8	2.0	2.0
3	陈新华	西安理工大学计算机科学与工程学院	2	8	2.0	2.0