基于改进 SVM 主动学习的网络入侵检测磁

• 作者: 刘芳正 苏志同
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 入侵检测 支持向量机 主动学习 分类性能
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1770-1773
• 页数: 4页
• 分类号: TP393.08
• 字数: 3515字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.09.031

摘要

支持向量机（SVM ）主动学习模型能够很好地解决入侵检测系统的小样本学习的问题，提高入侵检测系统中分类器的性能。针对 SVM 主动学习模型对于构建初始训练集具有随机性，采用核空间聚类的初始训练集构建方法进行优化，并引入蚁群聚类算法减轻样本选择规则对分类性能的影响，结果表明改进后的模型可以有效提高入侵检测系统的分类性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏志同	北方工业大学计算机学院	24	109	6.0	10.0
2	刘芳正	北方工业大学计算机学院	1	2	1.0	1.0