基于加权支持向量机的网络入侵检测研究

在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差,主要原因在于对每个训练样本的错误分类的惩罚系数是相等的。加权支持向量机对每个错误分类样本的惩罚系数是不一样的,这对小样本来说提高了分类精度,克服了常规SVM算法不能灵活处理样本的缺陷。但这是以大样本分类精度的降低以及总分类精度的下降为代价的。实验结果证明,将加权支持向量机用于网络入侵检测中是可行的、高效的。