手机知网 App
24小时专家级知识服务
打 开
互联网技术
基于改善Bagging-SVM集成多样性的网络入侵检测方法
为了提高入侵检测模型的准确率和泛化性,需要对集成学习系统的多样性进行改善.因此将样本扰动与特征扰动结合,对大规模数据集进行分割,构造不同的样本子集,提高集成个体之间的差异,并在特征扰动阶段,采用主成分分析以减少信息冗余,根据信息增益设置特征权重和信息增益比,对特征子集进行自适应随机搜索,以提高集成系统的多样性.通过KDD Cup99数据集进行了仿真实验,结果表明,采用入侵检测模型能够对超大规模数据进行有效学习,且对各种攻击行为的检测准确率都较高.
1 144
手机阅读本文
下载APP 手机查看本文
东北师大学报(自然科学版)
2020年04期
相似文献
相关工具书
图书推荐

搜 索