改进的SVM在入侵检测中的应用

被引：3

作者：

童舜海

机构：

[1] 丽水学院计算机与信息工程学院

来源：

计算机工程与应用 | 2008年 / 44卷 / 34期

关键词：

入侵检测; 支持向量机; 模糊隶属度; Bagging算法;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

提出模糊支持向量机的入侵检测方法,根据输入样本对分类结果不同的影响程度,引入模糊隶属度,探讨了模糊支持向量(FSVM)原理。为进一步提高支持向量机的分类性能,提出Bagging算法对FSVM分类器进行集成,实验结果表明,提出的方法具有良好的检测性能。

引用

页码：113 / 115

页数：3

共 6 条

[1] 基于免疫和模糊逻辑的自适应入侵检测 [J].

高君杰 ;

张东站 ;

肖欣延 ;

薛永生 .

厦门大学学报(自然科学版), 2007, (S2) :72-74

[2] 基于神经网络的实时入侵检测系统的研究和实现 [J].

仲兆满 ;

李存华 ;

管燕 .

计算机工程与应用, 2007, (30) :120-123+212

[3] 基于聚类和支持向量机的入侵检测研究 [J].

倪霖 ;

郑洪英 .

计算机应用, 2007, (10) :2440-2442+2452

[4] 基于分类样本和贝叶斯动态预测的异常入侵检测 [J].

付庆利 .

计算机工程与应用, 2007, (25) :140-142

[5] 一种基于SVM的网络入侵检测模型 [J].

张琨 ;

曹宏鑫 ;

刘凤玉 ;

李千目 .

南京理工大学学报(自然科学版), 2007, (04) :403-408

[6] 基于模糊支持向量机和核方法的目标检测方法研究 [J].

马永军 ;

李孝忠 ;

王希雷 .

天津科技大学学报, 2005, (03) :29-32

← 1 →