一种基于聚类分析的增量支持向量机入侵监测方法

摘要：

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。

关键词：支持向量机、入侵检测、聚类、非线性分类

分类号：TP393(计算技术、计算机技术)

在线出版日期：2014-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：4417-4420,4432