基于有监督判别投影的网络安全数据降维算法

摘要：

针对传统流形学习在数据降维时不考虑原数据类别和聚类程度低的缺陷,提出了一种有监督判别投影(SDP)的流形学习降维算法来改善网络安全数据降维效果.在近邻矩阵基础上,利用数据集的类别标签信息,构建有监督判别矩阵,变无监督流形学习为有监督学习,寻找一个同时具有最大全局散度矩阵和最小局部散度矩阵的低维投影子空间,保证了降维投影后同类数据聚集而异类数据分散的特性.实验结果显示,与传统降维算法相比,所提算法可以较低的时间复杂度去除冗余数据,并且降维后的数据聚类效果更好,异类样本更分散,适用于实际的网络安全数据分析模型.

关键词：数据降维、流形学习、有监督学习、判别投影

所属期刊栏目：42

分类号：TP309.2(计算技术、计算机技术)

资助基金：国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2021-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：84-93