基于入侵檢測的神經(jīng)網(wǎng)絡(luò)分類器組合問題及PCA技術(shù)研究.pdf

1、本文主要對基于樹形組合結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)分類器組合方法在入侵檢測系統(tǒng)的實(shí)現(xiàn)技術(shù)進(jìn)行研究和探索，開展以下方面的工作： (1)針對BP神經(jīng)網(wǎng)絡(luò)分類器以及LVQ神經(jīng)網(wǎng)絡(luò)分類器的特點(diǎn)，本文提出了一個(gè)樹形分類器組合框架。該組合分類器利用BP神經(jīng)網(wǎng)絡(luò)的獨(dú)立性以及自適應(yīng)性解決了一般分類器難以不斷學(xué)習(xí)和適應(yīng)新攻擊的問題；利用LVQ神經(jīng)網(wǎng)絡(luò)的競爭性將分類信息定義為特定的目標(biāo)類別。 (2)由于入侵檢測數(shù)據(jù)集中的信息均為高維特征向量，因此它需要在

2、大規(guī)模的分類識別過程中解決特征提取問題。本文采用主成分分析(Principal Components Analysis)方法較好地解決了該問題。具體做法是：基于MATLAB統(tǒng)計(jì)工具箱，利用相關(guān)函數(shù)對入侵檢測數(shù)據(jù)集進(jìn)行預(yù)處理——降維操作；接著將2層樹形BP-LVQ神經(jīng)網(wǎng)絡(luò)組合分類器應(yīng)用到入侵檢測的行為識別之中；然后根據(jù)模式識別的原理，針對BP神經(jīng)網(wǎng)絡(luò)子分類器的訓(xùn)練算法，舍Levenberg-Marquardt算法而取Resilient B