基于邻界区的快速增量 SVM 入侵检测算法的研究

• 作者: 耿姣
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: SVM 入侵检测 邻界区 增量支持向量 K均值聚类
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 信息技术交流
• 页码范围: 322-324,333
• 页数: 4页
• 分类号: TP393.08
• 字数: 3825字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.12.085

摘要

为了解决SVM算法针对海量、非平衡样本的入侵检测存在训练速度慢等问题，提出基于邻界区的快速增量SVM入侵检测算法。在该算法中，首先利用均值和标准差的K均值聚类分析算法对训练样本集进行邻界区生成，然后对邻界区数据集进行样本筛选，剔除成为支持向量概率较小的点和噪声或过拟合点，最后通过增量学习模式构造最优超平面，生成最优SVM分类器。实验仿真证明，该算法具有较好的分类性能，能有效提高入侵检测的检测精度和检测率，降低误报率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	耿姣	长春工业大学人文信息学院	11	4	1.0	1.0