基于主成分分析法的代价敏感极限学习机

• 作者: 王晓丹 顾竞豪
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 主成分分析法 代价敏感 极限学习机 数据处理
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 理论研究
• 页码范围: 139-143
• 页数: 5页
• 分类号: TP301
• 字数: 4380字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2020.01.028

摘要

在入侵检测中,传统的极限学习机(ELM)没有考虑到两方面的问题:一是误分类代价的敏感问题,在网络入侵检测中,需要考虑到误分类代价不同的问题,并以实现期望代价最小化为目标;二是冗余特征的处理问题,当入侵特征维数较多时,会存在着大量的冗余特征的问题,如果直接对高维数据进行分类,不仅入侵模式不能被准确分类,误检率较高,并且大量的冗余数据既耗费了系统的资源,也增大了入侵检测的时间.针对这两方面的问题,提出一种基于主成分分析法的代价敏感极限学习机(ELM).通过主成分分析法对数据进行降维,确定主要特征;再将预处理后的数据训练极限学习机(ELM),以实现期望代价最小化为目标,从而实现降低入侵检测的检测时间,降低检测误报率,提高检测准确率的目的.实验表明,在入侵检测中,基于主成分析法的代价敏感极限学习机(ELM)与传统的ELM相比,不仅使分类准确率得到提高,降低了分类的误报率,而且在分类速度上也有一定的优越性,提高了网络运行的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓丹	空军工程大学防空反导学院	135	1447	21.0	31.0
2	顾竞豪	空军工程大学防空反导学院	3	1	1.0	1.0