已閱讀1頁，還剩47頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文針對網(wǎng)絡(luò)數(shù)據(jù)集過于龐大,學(xué)習(xí)速度過慢的問題,提出了一種基于空間塊和樣本密度的SVM算法,并將其應(yīng)用到入侵檢測中.該算法根據(jù)樣本的局部密度選擇訓(xùn)練樣本,減少參加訓(xùn)練的樣本數(shù)量,提高學(xué)習(xí)速度.實驗結(jié)果表明,該算法在保證檢測精度的同時,學(xué)習(xí)速度快于傳統(tǒng)SVM入侵檢測方法. 通過對SVM算法的研究,提出了一種基于代價敏感支持向量機(CS-SVM)與Bagging的分類算法.CS-SVM在SVM的基礎(chǔ)上集成了樣本的不同誤分類代價,通過
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的網(wǎng)絡(luò)入侵檢測系統(tǒng)研究.pdf
- 基于孿生支持向量機的入侵檢測系統(tǒng)研究應(yīng)用.pdf
- 基于多類支持向量機的入侵檢測系統(tǒng)研究.pdf
- 基于聚類和支持向量機的入侵檢測系統(tǒng)研究.pdf
- 基于支持向量機的Windows主機入侵檢測系統(tǒng)研究與實現(xiàn).pdf
- 基于支持向量機的SCADA系統(tǒng)入侵檢測方法.pdf
- 基于模糊支持向量機的入侵檢測研究.pdf
- 基于支持向量機的入侵檢測技術(shù).pdf
- 基于支持向量機的網(wǎng)絡(luò)入侵檢測
- 基于支持向量機的協(xié)同入侵檢測.pdf
- 基于增量支持向量機的網(wǎng)絡(luò)入侵檢測研究.pdf
- 基于支持向量機的Linux入侵檢測系統(tǒng)的研究與實現(xiàn).pdf
- 基于支持向量機的入侵檢測技術(shù)研究.pdf
- 基于對支持向量機的入侵檢測技術(shù)研究.pdf
- 基于改進(jìn)支持向量機的入侵檢測算法研究.pdf
- 基于自適應(yīng)模糊支持向量機的入侵檢測.pdf
- 基于支持向量機與主動學(xué)習(xí)的入侵檢測.pdf
- 基于多類支持向量機的協(xié)同入侵檢測.pdf
- 基于特征選擇和支持向量機的入侵檢測研究.pdf
- 基于支持向量機的入侵檢測技術(shù)的應(yīng)用研究.pdf
評論
0/150
提交評論