基于K-SVD的协同入侵检测

摘要：

从编码角度出发,应用稀疏理论学习鲁棒特征.在训练过程中,融合监督类别信息,采用判别式K-SVD算法,优化学习过完备字典和线性判别函数.在测试过程中,将稀疏编码系数作为数据的表示形式,以增强表示力和判别力.实验结果表明,基于判别式K-SVD的方法能获得较高的检测率,且误报率较低,对不平衡数据集也有较好的鲁棒性.

关键词：稀疏表示、奇异值分解、支持向量机、协同、入侵检测

所属期刊栏目：37

分类号：TP311(计算技术、计算机技术)

资助基金：华侨大学科研基金资助项目10HZR06

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：119-120,128