版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、如何改進(jìn)異常入侵檢測(cè)系統(tǒng)一直是個(gè)熱點(diǎn)問(wèn)題,而使用機(jī)器學(xué)習(xí)的方法來(lái)改進(jìn)這種系統(tǒng)的研究也已經(jīng)持續(xù)很長(zhǎng)時(shí)間了。本論文主要研究的內(nèi)容就是致力于改進(jìn)機(jī)器學(xué)習(xí)的方法,從而來(lái)增強(qiáng)異常入侵檢測(cè)系統(tǒng)。本論文首先提出一種新型工作集選擇模型,并且使用這個(gè)工作集模型來(lái)改進(jìn)支持向量機(jī)訓(xùn)練算法(SVM)。在使用改進(jìn)過(guò)的支持向量機(jī)訓(xùn)練算法和標(biāo)準(zhǔn)的算法在大量標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集對(duì)比實(shí)驗(yàn)過(guò)程中,我們發(fā)現(xiàn)改進(jìn)過(guò)的算法在性能上有明顯的提升。接著使用這個(gè)改進(jìn)后的算法構(gòu)建了一個(gè)異常入
2、侵檢測(cè)系統(tǒng)。 在對(duì)SVM訓(xùn)練算法改進(jìn)過(guò)程中,改進(jìn)工作集選擇方法是工作的關(guān)鍵之一。我們提出一種新型的工作集選擇模型WSS-WR,采用了不放回方法來(lái)選出兩個(gè)α作為一次迭代時(shí)的工作集B。接著給出了這個(gè)新模型的一些特性,并且給予了理論證明。實(shí)驗(yàn)證明,使用這種改進(jìn)過(guò)的算法在大多數(shù)情況下,訓(xùn)練速度要比現(xiàn)有的算法要快。 根據(jù)剛提出的工作集選擇模型WSS-WR來(lái)改進(jìn)支持向量機(jī)訓(xùn)練算法之后,我們使用這種改進(jìn)過(guò)的算法構(gòu)建了一個(gè)異常入侵檢測(cè)系
3、統(tǒng)。本系統(tǒng)使用DARPA數(shù)據(jù)集來(lái)對(duì)改進(jìn)過(guò)的支持向量機(jī)進(jìn)行訓(xùn)練,然后使用已經(jīng)訓(xùn)練好了的支持向量機(jī)模型對(duì)所有的網(wǎng)絡(luò)流進(jìn)行分類。本論文使用增量SVM思想,使用已測(cè)試數(shù)據(jù)集對(duì)訓(xùn)練數(shù)據(jù)集逐漸更新,以達(dá)到動(dòng)態(tài)適應(yīng)網(wǎng)絡(luò)情況多變的要求。 根據(jù)本論文主要成果,即改進(jìn)后的支持向量機(jī)算法撰寫的論文“ANovelModelofWorkingSetSelectionforSMODecompositionMethods”,已經(jīng)于2007年11月在希臘帕特雷
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 支持向量機(jī)算法及其在入侵檢測(cè)中的應(yīng)用.pdf
- 支持向量機(jī)的研究及其在入侵檢測(cè)中的應(yīng)用.pdf
- 支持向量機(jī)在入侵檢測(cè)系統(tǒng)中的研究和應(yīng)用.pdf
- 多類支持向量機(jī)及其在入侵檢測(cè)中的應(yīng)用.pdf
- 一種改進(jìn)的支持向量機(jī)及其在圖像分割中的應(yīng)用.pdf
- 支持向量機(jī)(SVM)在入侵檢測(cè)中的應(yīng)用.pdf
- 一種數(shù)據(jù)挖掘技術(shù)在入侵檢測(cè)系統(tǒng)中的應(yīng)用.pdf
- 一種聚類方法在入侵檢測(cè)中的應(yīng)用.pdf
- 一種螞蟻聚類算法及其在入侵檢測(cè)中應(yīng)用的研究.pdf
- 一種新型計(jì)費(fèi)模式及在向量網(wǎng)中的應(yīng)用.pdf
- 決策樹(shù)的一種優(yōu)化方法及其在入侵檢測(cè)中的應(yīng)用.pdf
- 一種新型的基于數(shù)據(jù)挖掘的入侵檢測(cè)系統(tǒng).pdf
- 支持向量機(jī)算法及其在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用.pdf
- 一種基于密度引力的聚類算法及其在入侵檢測(cè)中的應(yīng)用.pdf
- 一種基于可變精度粗糙集的網(wǎng)絡(luò)入侵檢測(cè)模型.pdf
- 類和樣本加權(quán)支持向量機(jī)及其在入侵檢測(cè)中的應(yīng)用研究.pdf
- 基于網(wǎng)格搜索的支持向量機(jī)在入侵檢測(cè)中的應(yīng)用.pdf
- 一種改進(jìn)的約簡(jiǎn)支持向量機(jī)及其在鋅凈化過(guò)程軟測(cè)量中的應(yīng)用.pdf
- 一種基于移動(dòng)代理的對(duì)等的入侵檢測(cè)系統(tǒng)模型.pdf
- 一種基于邊界調(diào)節(jié)的支持向量機(jī)模型.pdf
評(píng)論
0/150
提交評(píng)論