-
题名基于聚类和距离比较的约简加权SVM入侵检测方法
被引量：1
- 1
-
-
作者
周轼
陈兵
-
机构
南京航空航天大学信息科学与技术学院
-
出处
《数据采集与处理》
CSCD
北大核心
2009年第2期232-237,共6页
-
基金
国家自然科学基金(60572093)资助项目
-
文摘
针对入侵检测样本数据集过于庞大,学习速度过慢的问题,提出了一种将聚类和距离比较算法相结合的SVM样本数据预选取算法(US-PLN),该算法通过舍弃一些相似的点,而只保留其代表点,以达到削减样本数量,提高训练及检测速度的目的。在此基础上提出一种相应的约简加权单类SVM算法(RWOCSVM),该算法通过从预选取算法中所得的样本权值解决了标准加权SVM算法中相应权值无法直接确定的问题,并且通过给予代表点以相应的权值补偿从而将因舍弃部分样本数据而带来的检测性能的减弱程度降到最低。实验采用KDD99测试数据,结果表明,该方法在保持了较高检测精度的情况下,极大地提高了训练和检测效率。
-
关键词
聚类
距离比较算法
约简加权
支持向量机
入侵检测
-
Keywords
unsupervised clustering （UC）
simple distance comparison algorithm （SDCA）
reduced weighted
support vector machines （SVM）
intrusion detection
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
