计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
2期
426-429
,共4页
对支持向量机%多类分类%二叉树支持向量机%入侵检测
對支持嚮量機%多類分類%二扠樹支持嚮量機%入侵檢測
대지지향량궤%다류분류%이차수지지향량궤%입침검측
针对基于传统支持向量机(SVM)的多类分类算法在处理大规模数据时训练速度上存在的弱势,提出了一种基于对支持向量机(TWSVM)的多类分类算法.算法结合二叉树SVM (BT-SVM)多类分类思想,通过在二叉树节点处构造基于TWSVM的分类器来达到分类目的.为减少二叉树SVM的误差累积,算法分类前首先通过聚类算法得到各类的聚类中心,通过比较各聚类中心之间的距离来衡量样本的差异以决定二叉树节点处类别的分离顺序,最后将算法用于网络入侵检测.实验结果表明,所提算法不仅保持了较高的检测精度,在训练速度上还表现出一定优势,尤其在处理稍大规模数据时,这种优势更为明显,是传统二叉树SVM多类分类算法训练速度的近两倍,为入侵检测领域大规模数据处理提供了有效参考价值.
針對基于傳統支持嚮量機(SVM)的多類分類算法在處理大規模數據時訓練速度上存在的弱勢,提齣瞭一種基于對支持嚮量機(TWSVM)的多類分類算法.算法結閤二扠樹SVM (BT-SVM)多類分類思想,通過在二扠樹節點處構造基于TWSVM的分類器來達到分類目的.為減少二扠樹SVM的誤差纍積,算法分類前首先通過聚類算法得到各類的聚類中心,通過比較各聚類中心之間的距離來衡量樣本的差異以決定二扠樹節點處類彆的分離順序,最後將算法用于網絡入侵檢測.實驗結果錶明,所提算法不僅保持瞭較高的檢測精度,在訓練速度上還錶現齣一定優勢,尤其在處理稍大規模數據時,這種優勢更為明顯,是傳統二扠樹SVM多類分類算法訓練速度的近兩倍,為入侵檢測領域大規模數據處理提供瞭有效參攷價值.
침대기우전통지지향량궤(SVM)적다류분류산법재처리대규모수거시훈련속도상존재적약세,제출료일충기우대지지향량궤(TWSVM)적다류분류산법.산법결합이차수SVM (BT-SVM)다류분류사상,통과재이차수절점처구조기우TWSVM적분류기래체도분류목적.위감소이차수SVM적오차루적,산법분류전수선통과취류산법득도각류적취류중심,통과비교각취류중심지간적거리래형량양본적차이이결정이차수절점처유별적분리순서,최후장산법용우망락입침검측.실험결과표명,소제산법불부보지료교고적검측정도,재훈련속도상환표현출일정우세,우기재처리초대규모수거시,저충우세경위명현,시전통이차수SVM다류분류산법훈련속도적근량배,위입침검측영역대규모수거처리제공료유효삼고개치.
