基于贝叶斯树和集成学习的异常检测

发布时间：2017-11-10 04:26

  本文关键词：基于贝叶斯树和集成学习的异常检测

  更多相关文章： 入侵检测 贝叶斯树 集成学习 本地系统服务

【摘要】：为解决入侵检测中朴素贝叶斯算法的高数据内部依赖性和决策树容易产生数据"破碎"的问题,本文结合决策树分段的优点和朴素贝叶斯多证据融合的优点,建立了基于贝叶斯树算法的进程服务预测模型,并将bagging集成学习法用于改进贝叶斯树.实验结果表明,模型能有效检测主机异常,且算法的时间复杂度相对较低,适合在线检测.
【作者单位】： 武警工程大学电子技术系;
【基金】：国家自然科学基金资助项目(61272492)
【分类号】：TP393.08
【正文快照】： 0引言随着主机异常检测研究的发展,研究人员提出了很多异常建模的方法,定长序列研究是比较常用的一种方法.Chandola等[1]研究了离散序列在异常检测建模方面的应用,Mohammad等[2]用数据挖掘的方法建立异常检测模型,Mithas等[3]通过计算序列在异常或正常数据中出现的频繁度来建

【参考文献】

中国期刊全文数据库 前1条

1 陈文;;基于贝叶斯树的主机异常检测[J];计算机安全;2011年07期

【共引文献】

中国期刊全文数据库 前10条

1 张郴;张捷;;中国入境旅游需求预测的神经网络集成模型研究[J];地理科学;2011年10期

2 任江洪;陈韬;曹长修;;混合高斯过程回归模型在铁水硅含量预报中的应用[J];重庆大学学报;2012年02期

3 周华杰;李宁;;基于神经网络集成的乳腺肿瘤诊断系统[J];广西师范大学学报(自然科学版);2006年04期

4 张丽红;李林;;基于Adaboost算法选取和组合SVM的行人检测算法[J];测试技术学报;2013年01期

5 潘巍;马培军;苏小红;;大间隔分类学习研究现状[J];智能计算机与应用;2013年06期

6 张修远;刘修国;;基于随机森林算法的高维模糊分类研究[J];国土资源遥感;2014年02期

7 陈昭;吴志生;史新元;徐冰;赵娜;乔延江;;Bagging偏最小二乘和Boosting偏最小二乘算法的金银花醇沉过程近红外光谱定量模型预测能力研究[J];分析化学;2014年11期

8 张春霞;张讲社;;选择性集成学习算法综述[J];计算机学报;2011年08期

9 明利特;蒋芸;王勇;王明芳;;基于邻域粗糙集和概率神经网络集成的基因表达谱分类方法[J];计算机应用研究;2011年12期

10 王金彪;周伟;;飞机燃油系统油量传感器故障诊断方法研究[J];科技信息;2011年22期

中国重要会议论文全文数据库 前1条

1 Xiaojun Wang;Yuan Ping;Zhizhong Mao;;The Move Ensemble Method[A];第25届中国控制与决策会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 齐峰;人工神经树网络模型的优化研究与应用[D];山东师范大学;2011年

2 王中锋;树型贝叶斯网络分类器鉴别式训练研究[D];北京交通大学;2011年

3 胡毅;关节式坐标测量机热变形误差建模及修正研究[D];合肥工业大学;2011年

4 孔志周;多分类器系统中信息融合方法研究[D];中南大学;2011年

5 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年

6 赵楠;基于机器学习的供应链绩效智能分析方法研究[D];天津大学;2010年

7 郭嘉良;海岸带渔业生态经济系统的随机梯度和规则集成评价预测[D];天津大学;2010年

8 王彦;中医证候的数据挖掘[D];上海交通大学;2009年

9 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年

10 贾磊;核方法模型选择与模型组合的谱方法[D];天津大学;2010年

中国硕士学位论文全文数据库 前10条

1 王许海;图像语义分类方法研究[D];西安电子科技大学;2011年

2 闫海明;面向网络管理的信息决策系统研究与设计[D];西安电子科技大学;2011年

3 丁姗;基于神经网络集成的车牌字符识别研究[D];山东师范大学;2011年

4 闫丽娜;惩罚COX模型和弹性网技术在高维数据生存分析中的应用[D];山西医科大学;2011年

5 张冬威;基于网络聚类选择的神经网络集成方法及其在农业中的应用[D];吉林大学;2011年

6 韩庆福;基于视频的人脸识别算法研究[D];吉林大学;2011年

7 段晶;朴素贝叶斯分类及其应用研究[D];大连海事大学;2011年

8 张浩;多粒度下的多分类情感分析研究[D];北京邮电大学;2011年

9 刘继晴;基于多特征融合的视频高层语义概念检测[D];北京邮电大学;2011年

10 章寅;多模型融合软测量方法研究与应用[D];兰州理工大学;2011年

【相似文献】

中国期刊全文数据库 前10条

1 陈凯;;基于聚类技术的集成学习差异性研究[J];南京工业职业技术学院学报;2008年04期

2 李凯;崔丽娟;;集成学习算法的差异性及性能比较[J];计算机工程;2008年06期

3 潘志松;燕继坤;;少数类的集成学习[J];南京航空航天大学学报;2009年04期

4 陈凯;马景义;;一种选择性SER-BagBoosting Trees集成学习研究[J];计算机科学;2009年09期

5 陈全;赵文辉;李洁;江雨燕;;选择性集成学习算法的研究[J];计算机技术与发展;2010年02期

6 饶峰;;核机器集成学习算法的误差分析[J];重庆文理学院学报(自然科学版);2010年04期

7 吴科主;江雨燕;周传华;;一种多层次选择性集成学习算法[J];计算机应用与软件;2011年01期

8 张春霞;张讲社;;选择性集成学习算法综述[J];计算机学报;2011年08期

9 付忠良;;通用集成学习算法的构造[J];计算机研究与发展;2013年04期

10 张妤;王文剑;康向平;;一种回归SVM选择性集成方法[J];计算机科学;2008年04期

中国重要会议论文全文数据库 前4条

1 关菁华;刘大有;贾海洋;;自适应多分类器集成学习算法[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

4 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年

2 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年

3 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年

4 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年

5 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年

6 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年

7 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年

8 林智勇;基于核方法的不平衡数据学习[D];华南理工大学;2009年

9 李磊军;基于间隔和置信度的选择性集成学习算法研究[D];哈尔滨工业大学;2014年

10 夏俊士;基于集成学习的高光谱遥感影像分类[D];中国矿业大学;2013年

中国硕士学位论文全文数据库 前10条

1 张妤;支持向量机集成学习方法研究[D];山西大学;2008年

2 李涛;基于条件互信息的集成学习的研究与应用[D];中国海洋大学;2009年

3 杨长盛;基于成对差异性度量的选择性集成学习方法研究[D];安徽大学;2010年

4 曹振田;基于Q统计量的选择性集成学习研究[D];安徽大学;2010年

5 王丽丽;集成学习算法研究[D];广西大学;2006年

6 马冉冉;集成学习算法研究[D];山东科技大学;2010年

7 张新东;集成学习及其应用研究[D];石家庄经济学院;2010年

8 吴科主;基于多任务的多层次选择性集成学习的研究[D];安徽工业大学;2010年

9 李平;集成学习中差异性控制方法研究[D];大连海事大学;2012年

10 田智辉;基于集成学习的故障诊断方法研究[D];西安石油大学;2013年

，

本文编号：1165081