-
题名基于R-SVM的网络入侵检测系统
被引量：6
- 1
-
-
作者
龚尚福
赵春兰
厍向阳
-
机构
西安科技大学计算机科学与技术学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2012年第10期3777-3782,共6页
-
基金
陕西省自然科学基金项目(2009JM7007)
陕西省教育厅专项科研计划基金项目(08JK354)
-
文摘
入侵检测系统(IDS)在处理高维数据时具有计算量大、占用计算机资源较多、训练和预测时间较长等缺点,这就需要对数据在确保有用信息不丢失的前提下进行约简。递归支持向量机(R-SVM)根据各个特征在svm分类器中的贡献大小从分类结果中提取使分类器性能最好的特征,以实现维数约简的目的。将R-SVM理论引入入侵检测系统中,提出了一种基于R-SVM入侵检测方法。通过对KDDCUP99数据集中10Percent数据子集的测试实验结果表明,与用粗糙集做特征提取及传统的几种分类算法相比,用R-SVM做特征提取并结合SVM分类算法用于IDS中的性能较好;与使用全部特征构建的支持向量分类器相比,前者能在保障较好的分类精度的同时,降低训练和预测时间。
-
关键词
入侵检测系统
高维数据
约简
特征提取
递归支持向量机
支持向量机
-
Keywords
Key words： intrusion detection system
high dimensional problem
reduction
feature extraction
recursive support vector ma-chine
support vector machine
-
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R-SVM与SVDD的部位外观模型
被引量：3
- 2
-
-
作者
韩贵金
朱虹
-
机构
西安理工大学自动化与信息工程学院
西安邮电大学自动化学院
-
出处
《计算机应用研究》
CSCD
北大核心
2015年第4期1272-1275,共4页
-
基金
国际合作项目子项项目(2011DRF10480)
陕西省教育厅自然科学基金资助项目(2013JK0993)
-
文摘
为克服现有基于HOG特征的部位外观模型未考虑不同细胞单元的不同作用以及不能准确表征相似度的缺陷,提出了一种基于递归支持向量机(R-SVM)和支持向量数据描述(SVDD)算法的人体部位外观模型。所提外观模型由两个分类器构成,利用R-SVM进行特征选择并建立的分类器用于判断图像某区域是否属于人体部位类,利用SVDD建立的相似度分类器用于计算属于人体部位类的图像区域与外观模型的相似度。将所提部位外观模型用于人体上半身姿态的估计,仿真实验结果显示其比现有部位外观模型的估计准确度更高,表明所提部位外观模型可以更准确地描述真实人体部位。
-
关键词
人体姿态估计
部位外观模型
递归支持向量机
支持向量数据描述
梯度方向直方图
-
Keywords
human pose estimation
part appearance model
recursive support vector machine
support vector data descrip-tion
histogram of oriented gradient
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
