公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

Boosting方法在网络攻击分类中的性能分析被引量：2: 2016年; 针对KDD CUP99网络攻击数据集的分类建模问题,论文结合NaiveBayes、RIPPER和SVM三类算法分别介绍了各自的学习过程。Boosting方法属提升算法,通过多轮迭代实现弱分类器的加权组合,最终决策结果较基算法较为理想。为分析Boosting方法在KDD CUP99集上的分类性能,实验选用AdaBoost算法为代表,将以上三类算法作为基算法,依次应用到数据集上。分类预测结果表明:RIPPER算法的总体性能优于其他算法,尤其对少类的分类效果较好,使用AdaBoost后,性能改善明显。在不考虑分类效率的前提下,论文所提方法中,基于RIPPER的Boosting对KDD CUP99更为适合。; 靳燕姚悦; 关键词：KDD BOOSTING方法

多子域隔离学习组合决策用于不均衡样本被引量：2: 2016年; 为进一步弱化数据不均衡对分类算法的束缚,从数据集区域分布特性着手,提出了不均衡数据集上基于子域学习的复合分类模型。子域划分阶段,扩展支持向量数据描述(SVDD)算法给出类的最小界定域,划分出域内密集区与域外稀疏区。借鉴不同类存在相似样本的类重叠概念,对边界样本进行搜索,组合构成重叠域。子域清理阶段,基于邻近算法(KNN)的邻近性假设,结合不同域的密疏程度,设置样本有效性参数,对域内样本逐个检测以清理噪声。各子域隔离参与分类建模,按序组合产生出用于不均衡数据集的复合分类器CCRD。在相似算法对比以及代价敏感Meta Cost对比中,CCRD对正类的正确分类改善明显,且未加重负类误判;在SMOTE抽样比较中,CCRD改善了负类的误判情形,且未影响正类的正确分类;在五类数据集的逐个比较中,CCRD分类性能均有提升,在Haberman_sur的正类分类性能提升上尤为明显。结果表明,基于子域学习的复合分类模型的分类性能较好,是一种研究不均衡数据集的较有效的方法。; 靳燕彭新光; 关键词：支持向量数据描述

入侵检测与防火墙的联动平台研究: 2012年; 通过分析入侵检测系统和防火墙技术的各自优势,认为实现防火墙的数据过滤与入侵检测的实时监控间的有效互补是非常重要的。提出了网络安全事件的基本分类方法,定义出入侵检测系统提供给防火墙的信息格式,采用向入侵检测系统和防火墙中嵌入相关模块的方法,实现了入侵检测系统对攻击行为的自动响应,从而实现了防火墙与入侵检测系统间的协同工作。这样无论是来自内网还是外网的攻击,都可以被联动平台识别并自动响应。; 靳燕; 关键词：防火墙技术

自体集网络入侵检测中的高效寻优算法仿真被引量：14: 2013年; 延迟容忍网络环境复杂,自体集数据规模较大造成的时空上的巨大消耗而难以处理,导致传统网格入侵匹配的数据分类过程收敛速度慢、局部最优等缺陷。为了提高网格入侵特征匹配效率,提出一种基于重复博弈的自体集网络入侵检测中的高效寻优算法。算法利用了入侵数据特征在空间上的相对集中性,在分类概率计算中,加入一种约束计算过程的博弈因子,在概率匹配过程中,通过数据博弈消除多次概率对比,并加入博弈约束计算最优反应函数,将最优反应函数求解过程看作是一个博弈的过程,计算分类优化达到的极大值。仿真结果表明,改进算法的分类匹配时间复杂度有了一定程度的降低,优化效果较为明显。; 张辉; 关键词：网格计算任务调度重复博弈

入侵检测与防火墙的联动平台研究: 2012年; 分析了入侵检测系统与防火墙技术的各自优势,认为实现防火墙的数据过滤与入侵检测的实时监控间的有效互补是非常重要的。通过分析联动系统的理论知识,提出防火墙与入侵检测系统间的安全联动模型,实现两者之间的协同工作。这样无论是来自内网还是外网的攻击,都可以识别并自动响应。; 靳燕; 关键词：入侵检测技术防火墙技术

粒子群算法在异常检测中的应用研究: 2011年; 主要研究了粒子群算法在异常检测中的应用,包括PSO算法结合聚类方法、PSO结合神经网络、PSO结合支持向量机以及单一的PSO算法,分析了各种算法的性能特点,指出了粒子群算法在异常检测中的研究方向,对后续研究工作具有一定参考价值。; 苏晋荣; 关键词：粒子群异常检测聚类神经网络支持向量机

基于权值控制的误分类算法研究被引量：2: 2010年; 研究了误分类代价敏感提升算法AdaCost,认为在该算法的每轮循环中可以增加一个过程,用来计算产生出的弱分类器的精确度,从而避免AdaCost算法的盲目循环.同时引入实例权值的上下阈值,控制实例权值的更新过程.本文提出的权值控制误分类算法WCM isC是对AdaCost算法的优化.通过实验设计,验证了权值控制误分类算法WCM isC能有效提高AdaCost算法的分类精度,具有高泛化能力.; 靳燕

全选清除导出

共1页<1>

山西省自然科学基金(2010011022-2)