计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2007年
4期
838-840
,共3页
付长龙%吕彦波%姚全珠%杜旭辉
付長龍%呂彥波%姚全珠%杜旭輝
부장룡%려언파%요전주%두욱휘
入侵检测%支持向量机%空间块%样本密度%边缘向量
入侵檢測%支持嚮量機%空間塊%樣本密度%邊緣嚮量
입침검측%지지향량궤%공간괴%양본밀도%변연향량
针对网络数据集过于庞大,学习速度过慢的问题,提出了一种基于空间块和样本密度的SVM算法,并将其应用到入侵检测中.该算法根据样本的局部密度选择训练样本,减少参加训练的样本数量,提高学习速度.实验结果表明,该算法在保证检测精度的同时,学习速度快于传统SVM入侵检测方法.
針對網絡數據集過于龐大,學習速度過慢的問題,提齣瞭一種基于空間塊和樣本密度的SVM算法,併將其應用到入侵檢測中.該算法根據樣本的跼部密度選擇訓練樣本,減少參加訓練的樣本數量,提高學習速度.實驗結果錶明,該算法在保證檢測精度的同時,學習速度快于傳統SVM入侵檢測方法.
침대망락수거집과우방대,학습속도과만적문제,제출료일충기우공간괴화양본밀도적SVM산법,병장기응용도입침검측중.해산법근거양본적국부밀도선택훈련양본,감소삼가훈련적양본수량,제고학습속도.실험결과표명,해산법재보증검측정도적동시,학습속도쾌우전통SVM입침검측방법.