10.3969/j.issn.1000-7024.2007.22.014
基于加权支持向量机的网络入侵检测研究
在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差,主要原因在于对每个训练样本的错误分类的惩罚系数是相等的.加权支持向量机对每个错误分类样本的惩罚系数是不一样的,这对小样本来说提高了分类精度,克服了常规SVM算法不能灵活处理样本的缺陷.但这是以大样本分类精度的降低以及总分类精度的下降为代价的.实验结果证明,将加权支持向量机用于网络入侵检测中是可行的、高效的.
支持向量机、加权系数、网络入侵检测、分类、不均衡训练集
28
TP393.08(计算技术、计算机技术)
2008-05-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
5374-5377