SVM-KNN 分类器在异常行为检测中的应用

• 作者: 林春丽 王克成 齐欣
• 来源期刊: 辽宁科技大学学报
• 学科: 工学
• 关键词: 支持向量机 K近邻算法 分类器 异常行为检测
• 年，卷（期）: 2010,（5）
• 页码范围: 449-452
• 分类号: TP391.41
• 字数: 2519字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1048.2010.05.001

摘要

提出了一种新的异常行为检测方法,将SVM算法和KNN算法结合,在对识别样本判别时,当其与最优分类面的距离大于给定阈值时,采用SVM分类算法,否则采用KNN算法,从而减少了SVM算法的错误率.实验结果表明,SVM-KNN算法对异常行为检测的准确率达到95.86%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林春丽	哈尔滨工程大学自动化学院	3	17	2.0	3.0
5	王克成	辽宁科技大学电子与信息工程学院	16	76	5.0	8.0
6	齐欣	辽宁科技大学电子与信息工程学院	2	6	1.0	2.0