基于PCA与ICA特征提取的入侵检测集成分类系统

被引：19

作者：

谷雨 ^{[1
]}

徐宗本 ^{[2
]}

孙剑 ^{[2
]}

郑锦辉 ^{[2
]}

机构：

[1] 西安交通大学电子与信息工程学院

[2] 西安交通大学理学院

来源：

计算机研究与发展 | 2006年 / 04期

关键词：

集成; 支持向量机; 入侵检测; 主成分分析; 独立成分分析;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

入侵检测系统不仅要具备良好的入侵检测性能,同时对新的入侵行为要有良好的增量式学习能力.提出了一种入侵检测集成分类系统,将主成分分析(PCA)和独立成分分析(ICA)与增量式支持向量机分类算法相结合构造两个子分类器,采用集成技术对子分类器进行集成.系统利用支持向量集合对已有的入侵知识进行压缩表示,并采用遗传算法自适应地调整集成分类系统的权重.数值实验表明:集成分类系统通过自适应训练权重,综合了两种特征提取子分类器的优点,具有更好的综合性能.

引用

页码：633 / 638

页数：6