通信技术
通信技術
통신기술
COMMUNICATIONS TECHNOLOGY
2011年
11期
106-108
,共3页
主成份分析%BP算法%Kohonen算法%入侵检测
主成份分析%BP算法%Kohonen算法%入侵檢測
주성빈분석%BP산법%Kohonen산법%입침검측
由于入侵检测的数据都是海量高维数据,提出一种基于主成分分析(PCA)的特征提取方法,以提高入侵检测的处理效率.选用Kddcup' 99网络连接数据集进行预处理和PCA特征提取后,分别通过BP神经网络和Kohonen神经网络进行训练和测试,分析检测率,误报率,训练时间和检测时间.实验结果表明,基于PCA的BP神经网络能减小入侵检测的运算量,提高入侵检测的识别效果.
由于入侵檢測的數據都是海量高維數據,提齣一種基于主成分分析(PCA)的特徵提取方法,以提高入侵檢測的處理效率.選用Kddcup' 99網絡連接數據集進行預處理和PCA特徵提取後,分彆通過BP神經網絡和Kohonen神經網絡進行訓練和測試,分析檢測率,誤報率,訓練時間和檢測時間.實驗結果錶明,基于PCA的BP神經網絡能減小入侵檢測的運算量,提高入侵檢測的識彆效果.
유우입침검측적수거도시해량고유수거,제출일충기우주성분분석(PCA)적특정제취방법,이제고입침검측적처리효솔.선용Kddcup' 99망락련접수거집진행예처리화PCA특정제취후,분별통과BP신경망락화Kohonen신경망락진행훈련화측시,분석검측솔,오보솔,훈련시간화검측시간.실험결과표명,기우PCA적BP신경망락능감소입침검측적운산량,제고입침검측적식별효과.
