计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2012年
9期
2606-2608
,共3页
唐朝伟%李超群%燕凯%严鸣
唐朝偉%李超群%燕凱%嚴鳴
당조위%리초군%연개%엄명
入侵检测%主成分分析%支持向量机%地标等距映射%相关向量机%深度优先搜索
入侵檢測%主成分分析%支持嚮量機%地標等距映射%相關嚮量機%深度優先搜索
입침검측%주성분분석%지지향량궤%지표등거영사%상관향량궤%심도우선수색
针对现有入侵检测模型分类检测精度低、误报率高的问题,提出一种基于地标等距映射(LISOMAP)的相关向量机(RVM)入侵检测分类模型.首先采用LISOMAP对训练样本中的数据进行非线性降维,结合深度优先搜索(DFS)参数优化的RVM进行分类检测.结果表明,该模型与基于主成分分析(PCA)法的支持向量机(SVM)、基于LISOMAP的SVM模型相比,在保证一定检测率的情况下,误报率有了明显下降.
針對現有入侵檢測模型分類檢測精度低、誤報率高的問題,提齣一種基于地標等距映射(LISOMAP)的相關嚮量機(RVM)入侵檢測分類模型.首先採用LISOMAP對訓練樣本中的數據進行非線性降維,結閤深度優先搜索(DFS)參數優化的RVM進行分類檢測.結果錶明,該模型與基于主成分分析(PCA)法的支持嚮量機(SVM)、基于LISOMAP的SVM模型相比,在保證一定檢測率的情況下,誤報率有瞭明顯下降.
침대현유입침검측모형분류검측정도저、오보솔고적문제,제출일충기우지표등거영사(LISOMAP)적상관향량궤(RVM)입침검측분류모형.수선채용LISOMAP대훈련양본중적수거진행비선성강유,결합심도우선수색(DFS)삼수우화적RVM진행분류검측.결과표명,해모형여기우주성분분석(PCA)법적지지향량궤(SVM)、기우LISOMAP적SVM모형상비,재보증일정검측솔적정황하,오보솔유료명현하강.
