2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩54頁未讀 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、入侵檢測作為網(wǎng)絡(luò)安全領(lǐng)域一項重要的安全防護技術(shù),不僅能夠發(fā)現(xiàn)外部攻擊,而且也能檢測內(nèi)部用戶的未授權(quán)活動,在網(wǎng)絡(luò)安全領(lǐng)域發(fā)揮著重要的作用。隨著計算機和數(shù)據(jù)存儲技術(shù)的發(fā)展,網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)量數(shù)以億計,這對入侵檢測技術(shù)處理海量數(shù)據(jù)的能力和檢測時間提出了更高的要求。
   在機器學(xué)習(xí)的很多實際應(yīng)用領(lǐng)域中,帶有正確標(biāo)記的樣本都是有限且很難獲得的,而收集大量未標(biāo)記樣本卻相當(dāng)容易。如何利用大量未標(biāo)記樣本輔助少量的標(biāo)記樣本改善學(xué)習(xí)效果是機器學(xué)習(xí)

2、領(lǐng)域面臨的主要問題之一。半監(jiān)督學(xué)習(xí)可以利用有限的標(biāo)記樣本和大量未標(biāo)記樣本改善學(xué)習(xí)機的性能,目前已成為機器學(xué)習(xí)領(lǐng)域的研究焦點之一。
   本文提出了一種基于半監(jiān)督學(xué)習(xí)的SVM-KNN分類算法。由于在SVM的分類過程中,只有支持向量對最終求得的分類超平面有影響,而與非支持向量無關(guān),因此將支持向量加入到原始訓(xùn)練集中,有助于提高分類效果。首先利用現(xiàn)有的少量標(biāo)記數(shù)據(jù),訓(xùn)練出一個弱分類器SVM。然后用KNN作為輔助分類器,從大量未標(biāo)記樣本中

3、挑選出部分對分類起關(guān)鍵作用的樣本,將之融入到訓(xùn)練集中,不僅保留了未標(biāo)記數(shù)據(jù)中的有用信息,而且刪除了大量冗余樣本。最后在新的訓(xùn)練集上重新訓(xùn)練SVM,不斷修正分類邊界,結(jié)果提高了分類器的分類精度,縮短了訓(xùn)練時間。
   將本文的算法應(yīng)用于入侵檢測,在KDD99數(shù)據(jù)集上進行實驗,結(jié)果表明本文提出的算法不僅提高了檢測精度,而且縮短了檢測時間。針對入侵檢測數(shù)據(jù)高維數(shù)的特點,利用單個最優(yōu)特征組合的改進算法,通過對數(shù)據(jù)降維,選擇對分類有貢獻(xiàn)的

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。

評論

0/150

提交評論