基于云模型与决策树的入侵检测方法
100 积分
50
评分
4.6 积分- 详情
- 2021-04-27
- 简介
pdf
- 1019KB
- 页数 6P
- 阅读 102
- 下载 34
针对入侵检测系统中传统决策树分类算法仅能处理离散化数据的情况,提出一种改进的入侵检测方法。通过云模型对数据集连续属性进行离散化,利用遗传算法引入加权选择概率函数,使得决策树分类算法能检测出DoS、R2L、U2R、PRB攻击。KDDCUP 99数据集上的实验结果表明,与基于贝叶斯、支持向量机与云模型离散化的检测方法相比,该方法具有更好的入侵检测与分类性能。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于云模型与决策树的入侵检测方法 1019KB
基于安全模块的恶意入侵检测方法研究 358KB
基于决策树模型的策略冲突检测方法 255KB
基于模型的应用软件的静态检测方法研究 1.7MB
基于多级去噪模型的路面裂缝检测方法 471KB
基于决策树理论工程建设、检测与维修的投资决策概率分析 605KB
基于决策树和灰色—马尔柯夫模型的投标策略分析 348KB
基于决策树的改进AdaBoost算法在车辆检测中的应用 1.5MB
基于云模型的公共支出项目绩效预算决策分析 383KB
基于C5.0决策树的征收房屋价值评估模型研究 1.7MB