一种基于聚类分析的增量支持向量机入侵监测方法
提出了一种聚类学习与增量SVM训练相结合的的入侵检测方法,采用聚类分析、样本修剪与增量学习相结合的方式,通过聚合相似的训练样本以支持多类别分类,通过去除相似的样本而只取其代表点,从而减少参加训练的样本数量,提高学习效率,同时采用基于广义KKT判决的增量学习方法,有效改善了多类别入侵检测场合下样本数据集过于庞大,学习速度过慢且难以保障SVM入侵检测能力持续优化的问题。
支持向量机、入侵检测、聚类、非线性分类
TP393(计算技术、计算机技术)
2014-08-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
4417-4420,4432