基于K均值随机森林快速算法及入侵检测中的应用

发布时间：2018-07-09 23:34

  本文选题：随机森林 + K均值　； 参考：《科技通报》2013年08期

【摘要】：随机森林是一种优秀的集成学习算法,能很好地避免过拟合现象的发生。然而随机森林算法的时间复杂度通常较高,影响了该算法的广泛应用。针对这种不足,本文提出了一种基于K均值算法的随机森林快速学习算法,该算法首先利用经典的K均值算法对每一类原始样本进行聚类,然后对每一簇求样本中心,用样本中心作为新的样本点替换该类别的原始样本。然后利用随机森林对新构造的数据集合进行学习。在网络入侵检测数据集上的实验充分验证了本文算法较传统的随机森林算法具有更快的分类速度。
[Abstract]:Stochastic forest is an excellent ensemble learning algorithm, which can avoid overfitting. However, the time complexity of stochastic forest algorithm is usually high, which affects its wide application. In order to solve this problem, a fast learning algorithm based on K-means algorithm is proposed in this paper. Firstly, the classical K-means algorithm is used to cluster every kind of original samples, and then the sample center is obtained for each cluster. Replace the original sample of the class with a sample center as the new sample point. Then the random forest is used to study the new data set. The experiments on the network intrusion detection data set show that the proposed algorithm has a faster classification speed than the traditional stochastic forest algorithm.
【作者单位】： 东营职业学院;
【基金】：国家高技术发展计划“(863”计划)项目(2007AA09Z323-2) 山东省自然科学基金项目(ZR2010DM016)
【分类号】：TP181;TP393.08

【参考文献】

相关期刊论文 前3条

1 王正群,陈世福,陈兆乾;并行学习神经网络集成方法[J];计算机学报;2005年03期

2 阎巍;南洋;;一种改进的基于SVM的网络入侵检测算法[J];科技通报;2012年10期

3 王丽婷;丁晓青;方驰;;基于随机森林的人脸关键点精确定位方法[J];清华大学学报(自然科学版)网络.预览;2009年04期

【共引文献】

相关期刊论文 前10条

1 张国强;王桂萱;;基于神经网络结构分解与FLAC~(3D)的初始地应力场反演[J];大连大学学报;2007年06期

2 寇净磊;;基于MAS和BP神经网络的专家系统研究[J];电脑知识与技术;2009年14期

3 赵洁;巩文科;;基于神经网络集成的Windows病毒检测方法研究[J];计算机安全;2008年05期

4 陈俊芬;;多神经网络分类器的融合方法的比较[J];大众科技;2011年09期

5 王树威;陈艳艳;薄迎春;;基于模块化神经网络的汽车轮胎接触面压力模型[J];北京工业大学学报;2013年02期

6 徐冲;王汝传;任勋益;;基于集成学习的入侵检测方法[J];计算机科学;2010年07期

7 巩文科;李心广;赵洁;;基于神经网络集成的入侵检测方法的研究[J];计算机工程;2007年08期

8 巩文科;李心广;赵洁;;基于BP神经网络与专家系统的故障诊断系统[J];计算机工程;2007年08期

9 巩文科;李长河;石争浩;赵洁;;基于样本重构的神经网络集成学习方法[J];计算机应用;2006年06期

10 郭亚琴;王正群;乐晓容;王向东;;基于自适应距离度量的最小距离分类器集成[J];计算机应用;2006年07期

相关博士学位论文 前8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 傅强;选择性神经网络集成算法研究[D];浙江大学;2007年

3 于繁华;基于计算智能技术的桥梁结构损伤识别研究[D];吉林大学;2008年

4 金健;委员会机器模型及其应用[D];华东师范大学;2008年

5 徐帆;惯性/天文/卫星组合导航方法研究[D];北京航空航天大学;2009年

6 陈敏之;文胸作用下女体胸部形态变化效果分析及其模拟研究[D];东华大学;2012年

7 陈进;基于交互仿真及神经网络的生产单元换线决策专家系统研究[D];重庆大学;2012年

8 黄保海;基于分解—集成的汽轮发电机组故障诊断方法研究[D];华北电力大学;2012年

相关硕士学位论文 前10条

1 刘晓飞;基于相关反馈的图像检索研究[D];大连理工大学;2010年

2 周莉;建筑工程项目造价估算模型研究[D];中南林业科技大学;2007年

3 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

4 詹勋昌;基于网格的神经网络计算平台研究与应用[D];华南理工大学;2011年

5 康恒政;多分类器集成技术研究[D];西南交通大学;2011年

6 葛科宇;发动机磨损故障知识获取方法研究及应用平台开发[D];南京航空航天大学;2011年

7 李媚秋;基于Modbus的电能质量监测系统软件平台研究与开发[D];湖南大学;2006年

8 王莉莉;基于网格计算的电容层析成像图像重建技术的研究[D];哈尔滨理工大学;2006年

9 张新闻;脑—机系统中特征提取方法的研究[D];兰州理工大学;2007年

10 李豹;大规模Markov决策过程基于性能势的并行算法研究与应用[D];合肥工业大学;2007年

【二级参考文献】

相关期刊论文 前1条

1 肖海军;王小非;洪帆;崔国华;;基于特征选择和支持向量机的异常检测[J];华中科技大学学报(自然科学版);2008年03期

【相似文献】

相关期刊论文 前10条

1 邹汉斌;周学清;;基于聚类的模糊支持向量机入侵检测算法[J];情报杂志;2009年03期

2 赖立;许家s，

本文编号：2111126