计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2009年
15期
3501-3503
,共3页
入侵检测%核主成分分析%独立成分分析%神经网络%集成学习
入侵檢測%覈主成分分析%獨立成分分析%神經網絡%集成學習
입침검측%핵주성분분석%독립성분분석%신경망락%집성학습
基于当前入侵检测系统检测性能不理想、自学习能力差的问题,提出入侵检测集成分类系统.通过特征提取方法核主成分分析(KPCA)和独立成分分析(ICA)分别与神经网络集成技术构造两个子分类器,对其结果进行加权集成,系统利用遗传算法自适应调整集成分类系统的权重.实验结果表明,集成分类系统具有较理想的入侵检测性能,并有较好的学习能力.
基于噹前入侵檢測繫統檢測性能不理想、自學習能力差的問題,提齣入侵檢測集成分類繫統.通過特徵提取方法覈主成分分析(KPCA)和獨立成分分析(ICA)分彆與神經網絡集成技術構造兩箇子分類器,對其結果進行加權集成,繫統利用遺傳算法自適應調整集成分類繫統的權重.實驗結果錶明,集成分類繫統具有較理想的入侵檢測性能,併有較好的學習能力.
기우당전입침검측계통검측성능불이상、자학습능력차적문제,제출입침검측집성분류계통.통과특정제취방법핵주성분분석(KPCA)화독립성분분석(ICA)분별여신경망락집성기술구조량개자분류기,대기결과진행가권집성,계통이용유전산법자괄응조정집성분류계통적권중.실험결과표명,집성분류계통구유교이상적입침검측성능,병유교호적학습능력.
