-
题名基于小样本标记实例的数据流集成入侵检测模型
被引量：2
- 1
-
-
作者
俞研
黄皓
-
机构
南京大学计算机科学与技术系计算机软件新技术国家重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2007年第2期234-239,共6页
-
基金
国家自然科学基金(No.60303023)
国家863高技术研究发展规划(No.2003AA142010)
-
文摘
基于监督学习的异常入侵检测算法通常面临着训练样本不足的问题,同时,对整个历史数据集进行等同学习,没有充分考虑到网络数据模式随时间变化的特点.本文提出了一种基于小样本标记实例的数据流集成入侵检测模型,对小样本的标记数据集进行扩展,解决了训练样本不足的问题,并能够充分适应网络数据模式随时间变化的特点.实验结果表明,在小样本标记实例情况下,算法的检测性能明显优于基于所有历史数据进行入侵检测的结果.
-
关键词
入侵检测
数据流处理
小样本标记实例
集成入侵检测模型
-
Keywords
intrusion detection
data stream process
small labeled data
ensemble intrusion detection model
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
-
-
题名基于样本差异的多标签分类器评价标准预估
被引量：1
- 2
-
-
作者
张敏
余圣波
-
机构
重庆大学计算机学院软件理论与技术重庆市重点实验室
-
出处
《计算机应用与软件》
CSCD
2016年第9期273-278,共6页
-
基金
中央高校基本科研业务费专项资金项目(CDJZR12180005)
重庆自然科学基金项目(CSTC2011BB2063)
-
文摘
评价标准是分类器的重要指标。对于多标签学习,常用的评价标准有Hamming Loss、One-error、Coverage、Ranking loss和Average precision。多标签分类器给出分类结果的同时并未给出评价标准值,通常采用事后验算的方法评估评价标准。这样往往不能及时有效地发现评价标准值变化之类的问题,同时评估评价标准值需对测试样本进行标记。针对这一问题,分别从样本分布差异和样本实例间差异提出两种评价标准预估方法。分析上述两种方法的特点,提出第三种评价标准预估方法。实验表明,这三种评价标准预估方法具有良好效果,可用于迁移学习等。
-
关键词
多标签学习
评价标准
样本分布
样本实例
线性拟合
-
Keywords
Multi-label learning Evaluation metrics Samples distribution Samples instances Linear fitting
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于熵—Shapely的样本差异赋权方法
被引量：3
- 3
-
-
作者
席雪红
-
机构
郑州航空工业管理学院
-
出处
《统计与决策》
CSSCI
北大核心
2012年第20期84-86,共3页
-
文摘
经济评价研究过程中所采取的方法多种多样,指标权重的确定是不可忽视的重要因素。尽管当前基于数理角度的赋权方法层次不穷,但均未认识到同一指标对不同个体进行评价时权重可能存在的差异。文章提出了一种基于熵—Shapley的样本差异赋权方法,并进行了实例分析。
-
关键词
熵—shapely
赋权
样本差异
实例分析
-
分类号
O212
[理学—概率论与数理统计]
-
