自动化仪表
自動化儀錶
자동화의표
Process Automation Instrumentation
2015年
10期
68-71
,共4页
自组织特征映射%神经网络%自适应竞争机制%灰关系%入侵检测
自組織特徵映射%神經網絡%自適應競爭機製%灰關繫%入侵檢測
자조직특정영사%신경망락%자괄응경쟁궤제%회관계%입침검측
Self-organizing map (SOM)%Neural network%Adaptive competitive mechanism%Grey relation%Intrusion detection
针对如何提高网络入侵检测率并进行正确分类的问题,提出了一种改进的自组织特征映射(SOM)网络算法.该算法通过对竞争机制的自适应调整来减少过度学习,并采用灰关系分析的动态权值机制降低邻域神经元中杂质的影响.KDDCUP99数据集的试验结果表明该方法具有更高的准确率.
針對如何提高網絡入侵檢測率併進行正確分類的問題,提齣瞭一種改進的自組織特徵映射(SOM)網絡算法.該算法通過對競爭機製的自適應調整來減少過度學習,併採用灰關繫分析的動態權值機製降低鄰域神經元中雜質的影響.KDDCUP99數據集的試驗結果錶明該方法具有更高的準確率.
침대여하제고망락입침검측솔병진행정학분류적문제,제출료일충개진적자조직특정영사(SOM)망락산법.해산법통과대경쟁궤제적자괄응조정래감소과도학습,병채용회관계분석적동태권치궤제강저린역신경원중잡질적영향.KDDCUP99수거집적시험결과표명해방법구유경고적준학솔.
