科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2012年
1期
200-202,217
,共4页
入侵检测%半监督支持向量机%分类决策面%优化
入侵檢測%半鑑督支持嚮量機%分類決策麵%優化
입침검측%반감독지지향량궤%분류결책면%우화
为解决入侵检测训练集(通常包含大量无标记样本和少量已标记样本),在传统半监督支持向量机(S3VM)上确定最优分类决策面,提出一种优化的多分类决策S3VM方法(MLLS3VM).该方法结合启发式搜索和聚类方法筛选出差异性较大的分类决策面,采用距离向量法对未标记样本进行标记.实验结果表明,在入侵检测中,该算法明显提高了模型预测精确度.
為解決入侵檢測訓練集(通常包含大量無標記樣本和少量已標記樣本),在傳統半鑑督支持嚮量機(S3VM)上確定最優分類決策麵,提齣一種優化的多分類決策S3VM方法(MLLS3VM).該方法結閤啟髮式搜索和聚類方法篩選齣差異性較大的分類決策麵,採用距離嚮量法對未標記樣本進行標記.實驗結果錶明,在入侵檢測中,該算法明顯提高瞭模型預測精確度.
위해결입침검측훈련집(통상포함대량무표기양본화소량이표기양본),재전통반감독지지향량궤(S3VM)상학정최우분류결책면,제출일충우화적다분류결책S3VM방법(MLLS3VM).해방법결합계발식수색화취류방법사선출차이성교대적분류결책면,채용거리향량법대미표기양본진행표기.실험결과표명,재입침검측중,해산법명현제고료모형예측정학도.
