基于特征选择和多分类支持向量机的异常检测

您当前的位置：

首页 >

文章列表页 >

基于特征选择和多分类支持向量机的异常检测

更新时间：2024-10-14

- 基于特征选择和多分类支持向量机的异常检测
- Vol. 30, Issue S1, Pages: 68-73(2009)
- 作者机构：
  
  福州大学数学与计算机科学学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP393.08
- Published：2009
- 稿件说明：
移动端阅览
[1]张晓惠,林柏钢.基于特征选择和多分类支持向量机的异常检测[J].通信学报,2009,30(S1):68-73.

[J]. 2009, 30(S1): 68-73.
[1]张晓惠,林柏钢.基于特征选择和多分类支持向量机的异常检测[J].通信学报,2009,30(S1):68-73. DOI：

[J]. 2009, 30(S1): 68-73. DOI：

摘要

现有大部分的异常检测系统都是把数据分成正常和异常两类

这样可能会丢失重要信息。特征选择的目的是减少异常检测冗余特征的同时

高度保持和原始特征的一致性。实现了特征选择和多分类支持向量机的异常检测技术。采取粗糙集、SVDF、LGP、MARS相结合的特征选择方法。同时利用多分类支持向量机把数据分成五类。通过实验分析

表明DoS攻击相对于其他3种攻击的漏报率是最高的。

Abstract

关键词

Keywords

references

Views

1275

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于SVM分类机的入侵检测系统

Survey of negative selection algorithms

应用支持向量机的纹理分类

基于核的机器学习方法及其在多用户检测中的应用

基于局部余弦变换的低比特变速率语音编码算法研究

Related Author

李星

张千里

陈光英

Ming-hong LIAO

Gang XIAO

Zhang-zan JIN

阮秋琦

李毅

Related Institution

清华大学电子工程系北京100084

清华大学电子工程系

Software School,Xiamen University

College of Computer Science and Technology, Zhejiang University of Technology

School of Information Science and Technology,Xiamen University

AI问答

⁰