融合NBC与PNN的网络异常分类

• 作者: 刘渊 周明伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 网络异常 概率神经网络 朴素贝叶斯分类器 融合 异常分类
• 年，卷（期）: 2013,（17）
• 页码范围: 89-93
• 页数: 5页
• 分类号: TP393
• 字数: 4987字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1112-0295

摘要

对网络异常进行分类有利于管理员更好地管理网络，然而单一的分类器存在对各类异常的分类效果不均衡，不够全面等问题。鉴于此在研究了常用于分类的概率神经网络（Probability Neural Network，PNN）算法和朴素贝叶斯分类器（Naive Bayes Classifier，NBC）算法的基础上提出了一种融合NBC与PNN的网络异常分类模型。该模型将PNN与NBC对各类网络异常的分类精度作为权值，通过计算得出未知流量所属各类别的概率，最大值为预测结果，通过KDD99数据集对该模型进行测试，实验结果表明，提出的新模型相对于仅使用PNN或者NBC的单分类器，其对各类异常的分类效果具有更好的均衡性和更高的分类精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘渊	江南大学数字媒体学院	235	1325	17.0	25.0
2	周明伟	江南大学数字媒体学院	2	7	1.0	2.0