支持向量机算法和其在网络入侵检测中的应用.pdfVIP

类的错误率高于较大样本类的错误率，这种错误偏筹问题限制r它的适用范围a 现安生洒中f_|勺很多闷题，如故障诊断、入侵检测等，萁样本类大小之间的差异烂 比较人的。列0。这类问题，人们史天注的往任-是小样小类的分类准碗率，川此亿 统的支持向量桩算法并不太适麟j二魄类溺题．有癜爱磺完其有自l_对各类错误率进 行调节的新的支持向量机算法。 (2)锌对v．SVM训练错误偏差问题以及当前用子解决这午申偏差闷题的各平申支 持I柚量机算浊1字在的，缺陷，提出-，。种新的v—SvM算法。日前已有用于解决分类 错误偏苹的相关算法，甜它仃J或多或少存A牡剐避，弦{·l坚的闻越址|1锄、函 数小卣姚，参数v火上了原有的意义，瓤参数的含义小明确等。新算法使用曲个参 数v+，帮v一1代替原来的参数v，v+，轻v．{既可羽来调节徉奉类的分类瀑差，又保持了v 原有的含义。 t 31{_|聪支持向晕机的训练结果存霸：垂复支持|勺量的问题，提港了种翔动 加权支持向齄“【算法，“1使用县fJ重复样本的训练集iJ||练支持向阜机州．芰持阳 晕钒”f能产牛蕈复的支持目罩，进而影响翔稀的蘧度。自动抽权支持自帚祝翻嗣 权匿凶，来表示各样本的重复次数。理论分析及实验结果表明，1j训练集包含重 复样搴时，自动加数支持彝盈桃所需静训练时弼琵藤米的支赫向量枫的训练时间 ，D。如果啄术的训练结果包含尊要的支持向量，【I!fJ自动力¨权支持向量机在判别的 ‘要到健办商爱优J‘踉袭豹支持向犁前1． (4)根据各种支持向量机的特点，捉m种组合式并行入侵检测模璎。确-该 模型；|·，穆各种特点的支持向羹筏组成一|羊÷并{J：|{勺结构。存训练时，各个支持囱 量机可以单独训练，也可以同时㈨练。在检测时，各个支持向量机根据各自训练 麓结采对瓤弱术的数据同孵捡涮，然后姆各个支持向量桃的翔剐结采融台存一起， 做出最终的判断。 关键词：支持向量机，分类算法，加权，网络安全，入侵榆洲 ABSTRACT Vector a newmachine methodandtheresuIl Support machine(SVM)isfeaming of 40 researchonstatjsticaJ characteristicsare approximateyears learnjngtheory，Its smaII andextensive trainingsel，goodgenerality，gIobaloptimlzation applications．It hasbeen toneldssucha5 successfulIyappIied pattemrecognition，signajprocessjng， comrol e【c．1n se dijTcrcnt canbe systcms additjon，byJecfing kemel“nctions，SVM used to Vari。usmachine networkssuchasRBF neuraI produce Jeaming networks，FF networkS．SVMoVercOmessOme met the of other prObIemsduringprocessuslng 】earningmethods，forexample，local Stable resu to been jts have moreanemjon Jls，etc．Due value，SVM potentjaI