您的位置: 专家智库 > >

陈桂林

作品数:2 被引量:4H指数:1
供职机构:南京邮电大学更多>>
发文基金:国家自然科学基金国家大学生创新性实验计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇期刊文章
  • 1篇专利

领域

  • 1篇自动化与计算...

主题

  • 2篇支持向量
  • 2篇支持向量机
  • 2篇入侵
  • 2篇入侵检测
  • 2篇向量
  • 2篇向量机
  • 1篇运算量
  • 1篇冗余
  • 1篇入侵检测方法
  • 1篇入侵检测算法
  • 1篇数据冗余
  • 1篇主成分
  • 1篇主成分分析
  • 1篇主成分分析法
  • 1篇基于支持向量...
  • 1篇SVM
  • 1篇GA
  • 1篇测算法

机构

  • 2篇南京邮电大学

作者

  • 2篇李雷
  • 2篇王生光
  • 2篇陈桂林

传媒

  • 1篇计算机技术与...

年份

  • 1篇2015
  • 1篇2014
2 条 记 录,以下是 1-2
排序方式:
基于GA和组合核的SVM入侵检测算法被引量:4
2015年
SVM有着很强的学习能力,已经成为入侵检测的重要算法之一。由于入侵检测原始数据量大,且具有高维性、冗余性等特点,导致传统SVM入侵检测算法计算量大、预测时间长。基于此,文中提出一种改进的SVM入侵检测算法(KPCA-GA-LC-SVM)。文中利用核主成分分析法(KPCA)进行数据的特征提取,降低数据维数和计算量;使用两个核函数线性加权结合形成的组合核函数代替传统的单一核函数,并通过遗传算法(GA)进行SVM核参数及组合核权系数的寻优,来提高SVM性能。实验结果表明,文中算法有效地提高了入侵检测的检测精度。
陈桂林王生光徐静妹李雷
关键词:入侵检测支持向量机
基于支持向量机的入侵检测方法
本发明属于模式识别领域,提供了一种基于支持向量机的入侵检测方法,包括如下步骤,数据预处理,对数据进行特征加权,对数据进行特征提取,利用改进的SVM进行入侵检测。本发明降低了次要因素对分类性能的影响,降低了维数和缩减数据冗...
陈桂林王生光徐静妹李雷
文献传递
共1页<1>
聚类工具0