基于样本密度的SVM及其在入侵检测中的应用

基于样本密度的SVM及其在入侵检测中的应用

付长龙;吕彦波;姚全珠;杜旭辉

【期刊名称】《计算机应用》 【年(卷),期】2007(027)004

【摘要】针对网络数据集过于庞大,学习速度过慢的问题,提出了一种基于空间块和样本密度的SVM算法,并将其应用到入侵检测中.该算法根据样本的局部密度选择训练样本,减少参加训练的样本数量,提高学习速度.实验结果表明,该算法在保证检测精度的同时,学习速度快于传统SVM入侵检测方法. 【总页数】3页(838-840)

【关键词】入侵检测;支持向量机;空间块;样本密度;边缘向量 【作者】付长龙;吕彦波;姚全珠;杜旭辉

【作者单位】西北工业大学,自动化学院,陕西,西安,710072;西安理工大学,计算机科学与工程学院,陕西,西安,710048;西安理工大学,计算机科学与工程学院,陕西,西安,710048;西安理工大学,计算机科学与工程学院,陕西,西安,710048 【正文语种】中文 【中图分类】TP393.08 【相关文献】

1.基于网格搜索的 SVM 在入侵检测中的应用 [J], 张公让; 万飞

2.基于改进 PSO的 SVM算法在数据库入侵检测中的应用研究 [J], 吴纪芸; 陈志德

3.基于CUDA和布谷鸟算法的SVM在工控入侵检测中的应用 [J], 陈汉宇; 王华忠; 颜秉勇

4.基于序列互相关特性和SVM的入侵检测研究 [J], 张小强; 朱中梁; 范平志; 何明星

5.一种基于SVM和LVQ神经网络的入侵检测方法 [J], 李锦源; 汪宏喜; 黄晓慰

以上内容为文献基本信息，获取文献全文请下载