文献类型：期刊文章

作　　者：郑凯梅[1,2] 钱旭[1] 虎晓红[1]

机构地区：[1]中国矿业大学(北京)机电与信息工程学院,北京100083 [2]中国防卫科技学院信息工程系,北京101601

出　　处：《计算机工程与应用》

基　　金：教育部科学技术研究重点(重大)项目No.107021~~

年　　份：2010

卷　　号：46

期　　号：28

起止页码：85-87

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：支持向量机所具有的处理小样本和良好的推广能力的优势,在入侵检测中得到了广泛应用。考虑到数据特征的高维性和冗余性,特征提取是一个关键步骤。采用非线性流形学习算法L-Isomap对入侵检测数据进行特征选择,然后应用one-classSVM训练并识别异常。通过将异构值差度量(HVDM)距离代替欧几里德距离提出了HL-Isomap。选用KDD数据集来比较上述不同模型,实验结果表明了降维方法的有效性,尤其是误警率性能得到了显著的提高。

关 键 词：界标Isomap(L-Isomap)  支持向量机(SVM)  异构值差度量(HVDM)  入侵检测

分 类 号：TP393]