基于邻界区的快速增量SVM入侵检测算法的研究

发布时间：2018-12-30 15:21

【摘要】：为了解决SVM算法针对海量、非平衡样本的入侵检测存在训练速度慢等问题,提出基于邻界区的快速增量SVM入侵检测算法。在该算法中,首先利用均值和标准差的K均值聚类分析算法对训练样本集进行邻界区生成,然后对邻界区数据集进行样本筛选,剔除成为支持向量概率较小的点和噪声或过拟合点,最后通过增量学习模式构造最优超平面,生成最优SVM分类器。实验仿真证明,该算法具有较好的分类性能,能有效提高入侵检测的检测精度和检测率,降低误报率。
[Abstract]:In order to solve the problem that SVM algorithm has slow training speed for massive and unbalanced samples, a fast incremental SVM intrusion detection algorithm based on adjacent bound region is proposed. In this algorithm, the K-means clustering algorithm of mean and standard deviation is first used to generate the adjacent bound region of the training sample set, and then the adjacent bound data set is selected. Finally, the optimal hyperplane is constructed by incremental learning mode, and the optimal SVM classifier is generated by eliminating the points with low probability of support vector and noise or over-fitting points. The experimental results show that the algorithm has good classification performance and can effectively improve the detection accuracy and detection rate of intrusion detection and reduce the false alarm rate.
【作者单位】： 长春工业大学人文信息学院;
【分类号】：TP393.08

【参考文献】

相关期刊论文 前6条

1 李汉彪;刘渊;;一种SVM入侵检测的融合新策略[J];计算机工程与应用;2012年04期

2 刘晔;王泽兵;冯雁;古红英;;基于增量支持向量机的DoS入侵检测[J];计算机工程;2006年04期

3 牟琦;陈艺坤;毕孝儒;厍向阳;;一种基于快速增量SVM的入侵检测方法[J];计算机工程;2012年12期

4 丁文军;薛安荣;;基于SVM的Web文本快速增量分类算法[J];计算机应用研究;2012年04期

5 徐永华;李广水;;基于距离加权模板约简和属性信息熵的增量SVM入侵检测算法[J];计算机科学;2012年12期

6 张永俊;牟琦;毕孝儒;;基于云模型的增量SVM入侵检测方法[J];计算机应用与软件;2013年03期

【共引文献】

相关期刊论文 前10条

1 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期

2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期

3 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期

4 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期

5 冯学军;;最小二乘支持向量机的研究与应用[J];安庆师范学院学报(自然科学版);2009年01期

6 邹心遥;姚若河;;基于LSSVM的威布尔分布形状参数估计(英文)[J];半导体技术;2008年06期

7 邹心遥;姚若河;;基于LSSVM的小子样元器件寿命预测[J];半导体技术;2011年09期

8 李卓远,吴为民,王e，

本文编号：2395751