10.3969/j.issn.1673-629X.2015.02.034
基于GA和组合核的SVM入侵检测算法
SVM有着很强的学习能力,已经成为入侵检测的重要算法之一。由于入侵检测原始数据量大,且具有高维性、冗余性等特点,导致传统SVM入侵检测算法计算量大、预测时间长。基于此,文中提出一种改进的SVM入侵检测算法( KP-CA-GA-LC-SVM)。文中利用核主成分分析法( KPCA)进行数据的特征提取,降低数据维数和计算量;使用两个核函数线性加权结合形成的组合核函数代替传统的单一核函数,并通过遗传算法( GA)进行SVM核参数及组合核权系数的寻优,来提高SVM性能。实验结果表明,文中算法有效地提高了入侵检测的检测精度。
入侵检测、核主成分分析法、支持向量机、遗传算法
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目61070234,61071167,61373137;国家大学生创新创业训练计划项目SZDG2013032
2015-03-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
148-151