计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2012年
11期
118-120
,共3页
支持向量机%入侵检测%数据集更新
支持嚮量機%入侵檢測%數據集更新
지지향량궤%입침검측%수거집경신
针对支持向量机分类方法在小样本、非线性情况下具有较好的泛化性能的特点,结合入侵检测系统实时性和适应性的要求,提出了一种应用动态支持向量机的入侵检测系统,来提高SVM模型的分类精度,并详细介绍了系统训练集以及分类模型动态更新的方法.最后对系统进行了仿真验证.实验仿真表明,该系统可有效的提高入侵检测的准确率,改善由于数据集更新造成的SVM分类精度下降的情况.
針對支持嚮量機分類方法在小樣本、非線性情況下具有較好的汎化性能的特點,結閤入侵檢測繫統實時性和適應性的要求,提齣瞭一種應用動態支持嚮量機的入侵檢測繫統,來提高SVM模型的分類精度,併詳細介紹瞭繫統訓練集以及分類模型動態更新的方法.最後對繫統進行瞭倣真驗證.實驗倣真錶明,該繫統可有效的提高入侵檢測的準確率,改善由于數據集更新造成的SVM分類精度下降的情況.
침대지지향량궤분류방법재소양본、비선성정황하구유교호적범화성능적특점,결합입침검측계통실시성화괄응성적요구,제출료일충응용동태지지향량궤적입침검측계통,래제고SVM모형적분류정도,병상세개소료계통훈련집이급분류모형동태경신적방법.최후대계통진행료방진험증.실험방진표명,해계통가유효적제고입침검측적준학솔,개선유우수거집경신조성적SVM분류정도하강적정황.
