基于KPCA组合核函数SVM的网络危险因素识别

摘要：

本文在传统的支持向量机(SVM)分类算法中采用核主成分分析(KPCA)对网络数据进行特征抽取,将高维输入特征转化为新的低维特征;并对SVM的核函数进行改进,采用多项式核函数和径向基核函数混合的组合核函数,具有良好的学习能力和外推能力.最后在KDDCUP1999数据集上进行实验,证明了本文方法能够有效的减少学习样本数及训练时间,在网络危险因素识别中具有更高的检测率和更强的泛化能力.

关键词：支持向量机、核主成分分析、特征抽取、组合核函数

分类号：TP393.08(计算技术、计算机技术)

在线出版日期：2010-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：45-46,60