基于机器学习的入侵检测研究
互联网环境的复杂性造成网络连接数据的海量化和繁复性,使得入侵检测时间长效率低.因此,提出一种基于核主成分分析(KPCA)和孪生支持向量机(TSVM)的入侵检测方法(KPCA-TSVM)研究.KPCA可以将原始高维数据映射成低维数据,TSVM比支持向量机具有更高效的检测精度和分类效果.使用Python语言对KPCA-TSVM模型在经过字符映射和归一处理后的KDDCUP99数据上进行实验模拟,结果表明该模型是一种有效的检测方式.
机器学习、核主成分分析、孪生支持向量机、入侵识别、数据特征提取
15
TP393(计算技术、计算机技术)
2019-12-20(万方平台首次上网日期,不代表论文的发表时间)
共2页
198-199