基于流形学习的网络数据流异常检测

• 作者: 唐斯琪 潘志松
• 来源期刊: 济南大学学报（自然科学版）
• 学科: 工学
• 关键词: 网络数据流 异常检测 流形学习 有监督判别LPP算法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 信息科学
• 页码范围: 118-128
• 页数: 11页
• 分类号: TP181
• 字数: 7884字
• 语种: 中文
• DOI: 10.13349/j.cnki.jdxbn.20170110.005

摘要

将非线性流形学习应用于网络数据流的降维过程,基于局部保持投影(LPP)算法基本思想,提出基于类别信息的监督判别LPP(SDLPP)算法;与传统线性降维算法和传统流形学习算法的结果进行对比,以验证算法的准确性与稳定性;建立基于SDLPP算法的网络数据流异常检测系统实施模型.结果表明:SDLPP算法通过多目标优化,在保证局部保持投影同时实现类间距离最大与类内距离最小,在挖掘低维特征空间嵌入的同时提高了分类效果;非线性的流形学习算法能有效挖掘高维数据中的低维流形,保证了维数约减过程中的非线性结构;SDLPP算法能够生成显式投影映射,泛化性较好,时间复杂度低,更加适合网络数据流实时监测系统,并可应用于实际的网络数据流入侵检测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘志松	中国人民解放军理工大学指挥信息系统学院	13	32	4.0	5.0
2	唐斯琪	中国人民解放军理工大学指挥信息系统学院	3	15	3.0	3.0