入侵檢測中支持向量機參數(shù)選擇方法研究.pdf_第1頁
已閱讀1頁，還剩67頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著網(wǎng)絡的發(fā)展和普及，網(wǎng)絡信息安全越來越被人們關注。入侵檢測是網(wǎng)絡安全不可缺少的技術之一，已成為近年來網(wǎng)絡安全技術的新熱點。支持向量機(Support Vector Machine，SVM)是基于統(tǒng)計學理論的機器學習方法，它能較好地解決小樣本、非線性、高維數(shù)等實際問題。因此，將SVM應用于入侵檢測中，可以獲得較好的檢測性能。
　　 論文對基于SVM的入侵檢測方法進行了研究。為了設計出具有良好學習能力和推廣能力的SVM入侵檢測分類

2、器，針對入侵檢測中SVM參數(shù)選擇問題，討論了SVM參數(shù)對其分類性能的影響以及基于SVM的入侵檢測分類器的設計準則，提出一種入侵檢測中遞推式支持向量機參數(shù)選擇的方法。該方法首先確定參數(shù)區(qū)間，再尋找特定數(shù)據(jù)空間中懲罰因子和核參數(shù)的變化對分類性能的不同影響，分別使用不同的規(guī)則選擇這兩個參數(shù)。將該方法應用于入侵檢測數(shù)據(jù)集KDDcup99中，與傳統(tǒng)的基于SVM的入侵檢測方法相比該方法具有較高的檢測率且訓練模型的時間大大縮短。
　　 論文還

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論