高级检索

    张红梅, 高海华, 王行愚. 构造稀疏最小二乘支持向量机的网络入侵检测模型[J]. 华东理工大学学报（自然科学版）, 2008, (6).
    引用本文: 张红梅, 高海华, 王行愚. 构造稀疏最小二乘支持向量机的网络入侵检测模型[J]. 华东理工大学学报（自然科学版）, 2008, (6).
    shu
    ZHANG Hong-mei, GAO Hai-hua, WANG Xing-yu. Construct Sparse Least Squares Support Vector Machine for Network Intrusion Detection[J]. Journal of East China University of Science and Technology, 2008, (6).
    Citation: ZHANG Hong-mei, GAO Hai-hua, WANG Xing-yu. Construct Sparse Least Squares Support Vector Machine for Network Intrusion Detection[J]. Journal of East China University of Science and Technology, 2008, (6).
    shu

    构造稀疏最小二乘支持向量机的网络入侵检测模型

    Construct Sparse Least Squares Support Vector Machine for Network Intrusion Detection

      摘要
    • 摘要: 从最小二乘支持向量机的稀疏表达出发,构建高效的基于稀疏最小二乘支持向量机的网络入侵检测模型,提出了一种通过基于核空间近似策略的有效低秩逼近来有效减小原始训练样本集中的支持向量数来实现最终模型的稀疏表达.以MIT KDD99数据集为基础,对所提出方法进行有效性验证,并与利用剪枝策略通过递归过程中不断减少模型中支持向量个数的稀疏化方法、基本最小二乘支持向量机以及标准支持向量机方法的性能进行对比.结果表明:基于核空间近似的最小二乘支持向量机稀疏化与标准最小二乘支持向量机相当;此外稀疏最小二乘支持向量机能够提高入侵检测响应速度.

       

      • HTML全文
      • 参考文献(0)
      • 相关文章
      • 施引文献
    • 资源附件(0)

    /

    返回文章
    返回