10.19678/j.issn.1000-3428.0047591
基于DBN-ELM的入侵检测研究
为了有效解决海量复杂数据的入侵检测分类问题,基于深度信念网络(DBN)和极限学习机(ELM),提出一种新的入侵检测方法.使用DBN对大量复杂无标签的原始数据进行特征提取,得到高度抽象的重要特征,再用ELM完成最终的分类工作.结合DBN自动提取特征的能力和ELM快速学习且泛化性好的优势,提高入侵检测识别率和运行效率.实验结果表明,与原始的DBN、ELM以及DBN-SVM方法相比,该方法具有更优的精确度和运行效率.
深度学习、深度信念网络、极限学习机、混合模型、入侵检测、无监督
44
TP391(计算技术、计算机技术)
江苏省自然科学基金青年基金BK20140216
2018-12-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
153-158