多節(jié)點集成算法研究及在入侵檢測上的應(yīng)用.pdf

1、利用BP神經(jīng)網(wǎng)絡(luò)可以進行入侵檢測分析,但識別率低。AdaBoost集成算法通過集成多個有差異性的BP神經(jīng)網(wǎng)絡(luò),可以提高識別率。但隨著網(wǎng)絡(luò)的迅速發(fā)展,在面對海量數(shù)據(jù)時,傳統(tǒng)的串行計算模式難以滿足快速訓(xùn)練要求,因此對網(wǎng)絡(luò)環(huán)境中多節(jié)點計算的需求日益增加。本文主要內(nèi)容就在于多節(jié)點集成算法的研究及其在入侵檢測上應(yīng)用分析。
　　 本文首先在了解BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,采用了BP神經(jīng)網(wǎng)絡(luò)作為AdaBoost算法的基分類器。然后對AdaBoost

2、算法作了詳細(xì)說明,并對一種并行AdaBoost算法做出改進。改進后,用本輪訓(xùn)練得到的多個分類器的集成訓(xùn)練誤差來調(diào)整樣本分布權(quán)重的方法,來代替原并行算法中的選擇一個最優(yōu)分類器來調(diào)整樣本分布權(quán)重的方法。接著給出了一種多節(jié)點環(huán)境下的AdaBoost算法。該算法應(yīng)用在多節(jié)點環(huán)境的計算機集群上,用FCM算法實現(xiàn)一種樣本權(quán)重修正算法,使得多節(jié)點能夠同時訓(xùn)練多個分類器。最后,將改進的多節(jié)點并行AdaBoost算法和基于FCM算法的多節(jié)點AdaBoos