异常检测中支持向量机最优模型选择方法

被引：7

作者：

张雪芹 ^{[1
]}

顾春华 ^{[1
]}

吴吉义 ^{[2
]}

机构：

[1] 不详

[2] 华东理工大学信息科学与工程学院

[3] 不详

[4] 杭州师范大学电子商务与信息安全重点实验室

[5] 不详

来源：

电子科技大学学报 | 2011年 / 04期

关键词：

异常检测; 模型选择; 参数估计; 结构风险; 支持向量机;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

为了构建一个具有良好的学习性能和推广能力的异常检测分类器,在结构风险最小(SRM)原则下讨论了基于支持向量机(SVM)的异常检测分类器的设计准则,提出了SVM分类器模型及其参数快速选择和评估方法,并给出了异常检测分类器训练步骤。针对KDD’99网络入侵检测数据集,实验结果表明,该方法能够有效地缩短入侵检测分类模型建立时间,而且建立的入侵检测分类器检测精度较高。

引用

页码：559 / 563

页数：5