基于神经网络的入侵检测集成分类系统
基于当前入侵检测系统检测性能不理想、自学习能力差的问题,提出入侵检测集成分类系统.通过特征提取方法核主成分分析(KPCA)和独立成分分析(ICA)分别与神经网络集成技术构造两个子分类器,对其结果进行加权集成,系统利用遗传算法自适应调整集成分类系统的权重.实验结果表明,集成分类系统具有较理想的入侵检测性能,并有较好的学习能力.
入侵检测、核主成分分析、独立成分分析、神经网络、集成学习
30
TP393.08(计算技术、计算机技术)
2009-09-23(万方平台首次上网日期,不代表论文的发表时间)
共3页
3501-3503