信息安全与通信保密
信息安全與通信保密
신식안전여통신보밀
CHINA INFORMATION SECURITY
2007年
8期
126-129
,共4页
特征加权%支持向量机%入侵检测
特徵加權%支持嚮量機%入侵檢測
특정가권%지지향량궤%입침검측
基于统计学习理论的支持向量机有较好的泛化能力,然而当样本含有与该问题不完全相关甚至完全无关的特征时,会使得各个特征对问题的相关程度差异很大,为了提高分类的正确率,对各个特征进行加权尤为重要.在入侵检测系统中,网络中的特征对分类结果的影响程度也是不同的,本文列举了对这些特征进行加权的几种方法.
基于統計學習理論的支持嚮量機有較好的汎化能力,然而噹樣本含有與該問題不完全相關甚至完全無關的特徵時,會使得各箇特徵對問題的相關程度差異很大,為瞭提高分類的正確率,對各箇特徵進行加權尤為重要.在入侵檢測繫統中,網絡中的特徵對分類結果的影響程度也是不同的,本文列舉瞭對這些特徵進行加權的幾種方法.
기우통계학습이론적지지향량궤유교호적범화능력,연이당양본함유여해문제불완전상관심지완전무관적특정시,회사득각개특정대문제적상관정도차이흔대,위료제고분류적정학솔,대각개특정진행가권우위중요.재입침검측계통중,망락중적특정대분류결과적영향정도야시불동적,본문열거료대저사특정진행가권적궤충방법.
