基于CFS-SAMME集成算法的入侵检测应用研究

发布时间：2022-12-23 08:19

　　针对当前网络入侵隐蔽性强、危害大、手段高,传统的入侵检测方法已经难以有效防范的问题,本文进行了基于CFS和SAMME多分类集成算法的入侵检测的应用研究。实验结果表明:经过相关性特征选择后的SAMME多分类集成算法不仅提升了检测准确率,也大幅度提高了入侵检测效率,为入侵检测提供了有效的思路和方法。 

【文章页数】：3 页

【文章目录】：
0 引言
1 相关性特征选择
2 多类指数损失函数逐步添加模型 (SAMME)
3 实验
    3.1 数据集与预处理
    3.2 实验环境
    3.3 数据预处理
    3.4 实验结果
4 结束语


【参考文献】：
期刊论文
[1]属性相关选择和AdaBoost算法在入侵检测中的应用[J]. 魏浩,丁要军.  信息技术. 2014(07)
[2]不均衡数据分类下特征有效识别分析[J]. 朱小刚,ZHANG Ji-dong.  计算机仿真. 2018(04)

博士论文
[1]基于数据挖掘的网络入侵检测关键技术研究[D]. 郭春.北京邮电大学 2014

硕士论文
[1]一种新型分类算法及其在网络入侵检测中的应用研究[D]. 张浩.北京邮电大学 2018



本文编号：3725082