一种基于聚类分析的增量支持向量机入侵监测方法

• 作者: 王亚兵
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 支持向量机 入侵检测 聚类 非线性分类
• 年，卷（期）: 2014,（7）
• 页码范围: 4417-4420
• 页数: 4页
• 分类号: TP393

摘要

提出了一种聚类学习与增量SVM训练相结合的的入侵检测方法,采用聚类分析、样本修剪与增量学习相结合的方式,通过聚合相似的训练样本以支持多类别分类,通过去除相似的样本而只取其代表点,从而减少参加训练的样本数量,提高学习效率,同时采用基于广义KKT判决的增量学习方法,有效改善了多类别入侵检测场合下样本数据集过于庞大,学习速度过慢且难以保障SVM入侵检测能力持续优化的问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚兵		4	0	0.0	0.0