基于属性约简和SVM参数优化的入侵检测方法

• 作者: 周志德 李汉彪
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 支持向量机 粗糙集 属性约简 参数优化 入侵检测
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 基金项目论文
• 页码范围: 60-63,155
• 分类号: TP393
• 字数: 6064字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.12.018

摘要

支持向量机( SVM)对于小样本、非线性、高维等分类问题,具有较强的适用性.但是SVM存在训练时间长,样本集占用存储空间过大等问题.提出一种基于属性约简和参数优化的SVM的入侵检测方法.利用粗糙集理论对样本集进行特征约简并使用改进的网格搜索算法对SVM参数进行优化,删除对入侵检测无影响的属性,从而解决SVM训练时间长以及存储空间大的问题.KDD99数据集下的实验表明,该方法是有效的入侵检测方式,不仅加快训练速度,还提高入侵检测的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李汉彪	江南大学物联网工程学院	2	23	2.0	2.0
2	周志德	江南大学无锡职业技术学院	2	21	2.0	2.0