微电子学与计算机
微電子學與計算機
미전자학여계산궤
MICROELECTRONICS & COMPUTER
2005年
5期
17-19
,共3页
谷雨%郑锦辉%戴明伟%何磊
穀雨%鄭錦輝%戴明偉%何磊
곡우%정금휘%대명위%하뢰
入侵检测%支持向量机%集成%Bagging
入侵檢測%支持嚮量機%集成%Bagging
입침검측%지지향량궤%집성%Bagging
对大数据集来说,支持向量机的时空耗费非常大,本文采用bagging技术对支持向量机进行集成.首先用bootstrap技术对训练样本集进行可重复采样,使所得到的新子样本集有较大差异,然后用多个支持向量机对各子样本集进行学习,并将学习后的结果用多数投票法集成最终的结论.实验表明,支持向量机集成对入侵检测数据有比单个支持向量机更好的分类性能.
對大數據集來說,支持嚮量機的時空耗費非常大,本文採用bagging技術對支持嚮量機進行集成.首先用bootstrap技術對訓練樣本集進行可重複採樣,使所得到的新子樣本集有較大差異,然後用多箇支持嚮量機對各子樣本集進行學習,併將學習後的結果用多數投票法集成最終的結論.實驗錶明,支持嚮量機集成對入侵檢測數據有比單箇支持嚮量機更好的分類性能.
대대수거집래설,지지향량궤적시공모비비상대,본문채용bagging기술대지지향량궤진행집성.수선용bootstrap기술대훈련양본집진행가중복채양,사소득도적신자양본집유교대차이,연후용다개지지향량궤대각자양본집진행학습,병장학습후적결과용다수투표법집성최종적결론.실험표명,지지향량궤집성대입침검측수거유비단개지지향량궤경호적분류성능.