基于改进权值更新和选择性集成的AdaBoost算法

• 作者: 欧阳潇琴 王秋华
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 入侵检测 集成学习 AdaBoost 权值更新 选择性集成
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机网络与通信
• 页码范围: 257-262
• 页数: 6页
• 分类号: TP312
• 字数: 6412字
• 语种: 中文
• DOI: 10.11907/rjdk.191736

摘要

针对传统AdaBoost算法中样本权值更新缺陷造成的分类准确率降低,以及冗余弱分类器造成的分类速度慢、计算开销大等问题,提出一种基于改进权值更新和选择性集成的AdaBoost算法.首先,在弱分类器训练阶段,提出一种改进权值更新方式的AdaBoost算法,根据各个样本在前t次训练中的平均正确率更新样本权值,使所有样本的权值更新更均衡,在一定程度上抑制了噪声样本权值的无限扩大;其次,在弱分类器组合阶段,提出一种新的弱分类器相似度度量方式,并基于该度量方式和层次聚类算法进行选择性集成,剔除了冗余的弱分类器,提高了分类速度,减少了计算开销;最后使用KDDCUP99、waveform和image-segmentation三个数据集对所提方案进行性能仿真与验证,分类准确率分别达到99.51％、86.07％和94.45％.实验表明,将改进权值更新和选择性集成的AdaBoost算法应用于入侵检测系统,不仅提高了分类准确率和检测速度,而且降低了计算开销.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秋华	杭州电子科技大学网络空间安全学院	23	137	7.0	11.0
2	欧阳潇琴	杭州电子科技大学通信工程学院	3	2	1.0	1.0