计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2013年
3期
311-314
,共4页
入侵检测%支持向量机%增量学习%云模型%边界向量
入侵檢測%支持嚮量機%增量學習%雲模型%邊界嚮量
입침검측%지지향량궤%증량학습%운모형%변계향량
针对支持向量机增量算法中边界样本的提取机制效率不高的问题,提出基于云模型的增量SVM入侵检测方法.该算法利用云模型稳定性和不确定性的特点,将异类样本间的特征距离映射成隶属度函数,对初始集中边界向量进行提取.分析新增样本对支持向量集的影响,淘汰无用样本.理论分析和仿真实验表明,该算法在保证分类精度的同时有效地提高了检测速度.
針對支持嚮量機增量算法中邊界樣本的提取機製效率不高的問題,提齣基于雲模型的增量SVM入侵檢測方法.該算法利用雲模型穩定性和不確定性的特點,將異類樣本間的特徵距離映射成隸屬度函數,對初始集中邊界嚮量進行提取.分析新增樣本對支持嚮量集的影響,淘汰無用樣本.理論分析和倣真實驗錶明,該算法在保證分類精度的同時有效地提高瞭檢測速度.
침대지지향량궤증량산법중변계양본적제취궤제효솔불고적문제,제출기우운모형적증량SVM입침검측방법.해산법이용운모형은정성화불학정성적특점,장이류양본간적특정거리영사성대속도함수,대초시집중변계향량진행제취.분석신증양본대지지향량집적영향,도태무용양본.이론분석화방진실험표명,해산법재보증분류정도적동시유효지제고료검측속도.
