10.16208/j.issn1000-7024.2022.11.009
基于改进主动学习的异常检测算法
传统的基于主动学习的异常检测算法在采样过程中,仅考虑了样本与分类边界间的距离,忽视样本特征,导致算法选取样本冗余,运行效率降低.针对此问题,对选择策略进行优化,提出一种基于改进主动学习的异常检测算法.通过基于KDD 99数据集进行异常检测仿真实验,实验结果表明,与传统算法相比,所提算法需要较少已标记样本,即可达到相同的分类准确率.适当增加样本的选择数量,能够有效减少算法达到收敛的迭代次数,提高运行效率.
主动学习、支持向量机、选择策略、冗余度、异常检测、入侵检测、数据挖掘
43
TP393.08(计算技术、计算机技术)
2022-12-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
3057-3062