计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
29期
78-81,205
,共5页
增量式学习%支持向量机%数据流%异常检测%多模型
增量式學習%支持嚮量機%數據流%異常檢測%多模型
증량식학습%지지향량궤%수거류%이상검측%다모형
针对网络数据流异常检测,既要保证分类准确率,又要提高检测速度的问题,在原有数据流挖掘技术的基础上提出一种改进的增量式学习算法.算法中建立多模型轮转结构,在每次训练中从几何角度出发求出当前训练样本集的支持向量,选择出分布于超平面间隔中的支持向量进行增量SVM训练.使用UCI标准数据库中的数据进行实验,并且与另外两种经典分类模型进行比较,结果表明了方法的有效性.
針對網絡數據流異常檢測,既要保證分類準確率,又要提高檢測速度的問題,在原有數據流挖掘技術的基礎上提齣一種改進的增量式學習算法.算法中建立多模型輪轉結構,在每次訓練中從幾何角度齣髮求齣噹前訓練樣本集的支持嚮量,選擇齣分佈于超平麵間隔中的支持嚮量進行增量SVM訓練.使用UCI標準數據庫中的數據進行實驗,併且與另外兩種經典分類模型進行比較,結果錶明瞭方法的有效性.
침대망락수거류이상검측,기요보증분류준학솔,우요제고검측속도적문제,재원유수거류알굴기술적기출상제출일충개진적증량식학습산법.산법중건립다모형륜전결구,재매차훈련중종궤하각도출발구출당전훈련양본집적지지향량,선택출분포우초평면간격중적지지향량진행증량SVM훈련.사용UCI표준수거고중적수거진행실험,병차여령외량충경전분류모형진행비교,결과표명료방법적유효성.
