基于支持向量机和最小二乘支持向量机的入侵检测比较

被引：6

作者：

任勋益 ^{[1
]}

王汝传 ^{[1
,2
]}

谢永娟 ^{[1
]}

机构：

[1] 南京邮电大学计算机学院

[2] 南京大学计算机软件新技术国家重点实验室

来源：

关键词：

支持向量机; 最小二乘支持向量机; 入侵检测; 主元分析;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

将支持向量机和最小二乘支持向量机用于入侵检测之中,利用主元分析对数据进行约简,然后使用SVM和LS-SVM对数据进行训练和测试。基于KDDCUP’99做了三组对比实验,对支持向量机和最小二乘支持向量机的性能做了统计。实验结果表明,SVM比LS-SVM分类能力强,但是LS-SVM耗时较少。

引用

页码：83 / 85

页数：3

共 4 条

[1]

模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

[2] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

[3] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

Bradley, AP .