您的位置： 专家智库 > >

陕西省教育厅科研计划项目(12JK0748)

作品数：9 被引量：53H指数：5
相关作者：赵建华李伟华樊景博杜红乐刘宁更多>>
相关机构：商洛学院西北工业大学更多>>
发文基金：陕西省教育厅科研计划项目国家部委资助项目陕西省自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 9篇中文期刊文章

领域

  • 9篇自动化与计算...

主题

  • 4篇半监督分类
  • 4篇半监督学习
  • 3篇映射
  • 3篇入侵
  • 3篇特征映射
  • 3篇自组织
  • 3篇自组织特征映...
  • 3篇网络
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇入侵检测
  • 2篇神经网
  • 2篇神经网络
  • 2篇向量
  • 2篇向量机
  • 2篇聚类
  • 2篇SOM神经网...
  • 2篇CUP
  • 2篇KDD
  • 1篇样本密度

机构

  • 9篇商洛学院
  • 6篇西北工业大学

作者

  • 6篇赵建华
  • 2篇李伟华
  • 1篇杜红乐
  • 1篇樊景博
  • 1篇刘宁

传媒

  • 3篇西华大学学报...
  • 2篇计算机应用研...
  • 1篇计算机工程
  • 1篇计算机工程与...
  • 1篇计算机与数字...
  • 1篇西南科技大学...

年份

  • 1篇2016
  • 3篇2015
  • 3篇2014
  • 1篇2013
  • 1篇2012
共 9 条 记 录，以下是 1-9
全选 清除 导出
排序方式：
一种协同半监督分类算法Co-S3OM被引量：12
2013年
为了提高半监督分类的有效性,提出了一种基于SOM神经网络和协同训练的半监督分类算法CoS3OM(coordination semi-supervised SOM)。将有限的有标记样本分为无重复的三个均等的训练集,分别使用改进的监督SSOM算法(supervised SOM)训练三个单分类器,通过三个单分类器共同投票的方法挖掘未标记样本中的隐含信息,扩大有标记样本的数量,依次扩充单分类器训练集,生成最终的分类器。最后选取UCI数据集进行实验,结果表明Co-S3OM具有较高的标记率和分类率。
赵建华李伟华
关键词：自组织特征映射分类器
基于半监督模糊聚类的入侵检测被引量：3
2016年
针对网络行为数据中带标签数据收集困难及网络行为数据的异构性,提出了一种基于异构距离和样本密度的半监督模糊聚类算法,并将该算法应用到网络入侵检测中。该方法依据网络行为数据样本的异构性计算样本与类之间的异构距离及各个类的样本密度,利用异构距离和类内样本密度计算样本与类之间的模糊隶属度,用所得隶属度对无标签样本进行加标签处理,并得到相应的分类器。在KDD CUP99数据集上进行仿真实验,结果表明该方法是可行的、高效的。
杜红乐樊景博
关键词：入侵检测半监督聚类
密度不均衡数据分类算法被引量：8
2015年
针对不均衡数据下分类超平面偏移、少数类识别率较低的问题,提出一种基于样本密度的不均衡数据分类算法。该算法首先计算样本密度和类样本密度,依据类样本密度之间的关系确定聚类类数,然后利用K-means聚类算法对多数类样本进行聚类,用聚类所得类中心作为样本集取代原多数类样本集,最后对新构造的训练集进行训练得到最终决策函数。其实验结果表明,该算法能够提高SVM在不均衡数据下的分类性能,尤其是少数类的分类性能。
杜红乐张燕
关键词：支持向量机不均衡数据集样本密度K-近邻
一种半监督网络入侵检测系统SSIDS-CV
2015年
为了提高网络入侵检测的性能,提出一种基于半监督学习的网络入侵检测系统SSIDS-CV。系统由网络嗅探器、训练集生成器和半监督分类器三部分组成。通过对无标记入侵数据进行伪标记,将伪标记后的样本加入到有标记数据集中,参与交叉验证,选取能使分类器误差最小的标记作为最终的标记,扩充有标记数据数目,训练入侵检测分类器。使用KDD Cup 99数据集模拟半监督入侵检测过程,实验结果表明SSIDS-CV能有效地挖掘未标记入侵数据信息,具有较高的入侵检测率。
刘宁
关键词：半监督学习KDDCUP
半监督学习在网络入侵分类中的应用研究被引量：5
2014年
为了解决网络环境中已标记入侵数据获取代价大的问题,将半监督学习引入网络入侵分类领域。根据网络攻击类型的不同,将少量的已标记入侵数据分为三部分,分别作为最初的训练集训练分类器,形成三个差异较大的初始化分类器。通过三个分类器协同学习,实现对未标记入侵数据进行标记。详细介绍了使用KDD Cup99数据集构造半监督分类实验数据集的过程。实验结果表明,半监督学习能有效地挖掘未标记入侵数据信息,具有较高的入侵分类率。
赵建华
关键词：半监督学习KDDCUP
基于SOM神经网络的半监督分类算法被引量：7
2015年
为提高半监督分类的性能,提出一种基于SOM神经网络的半监督分类算法SSC-SOM。结合SOM的聚类特性,基于先聚类后标记的思想,充分利用有标记样本和未标记样本训练SOM分类器;将聚类的形成和有标记样本分配到各个聚类中同时进行,并根据有标记样本计算各个聚类的聚类中心;在整个未标记样本的范围内,根据聚类中心,使用K近邻算法对未标记样本进行标记,挖掘未标记样本的隐含信息。在UCI数据集中进行分类实验,其结果表明,SSC-SOM的分类率比SSOM提高2.22%,且收敛性较好。
赵建华
关键词：半监督学习自组织特征映射神经网络聚类
一种安全的基于分歧的半监督分类算法被引量：2
2014年
为提高半监督分类的性能,提出一种安全的基于分歧的半监督分类算法Safe Co-SSC。通过有标记样本训练3个有监督分类器,利用无标记样本的信息增加分类器的差异性,采取3个分类器加权投票的策略实现对无标记样本的伪标记;对伪标记样本进行二次验证,选用能使分类器误差减小的新增标记样本扩充标记样本集。保证新样本的添加既减小了分类器的分类误差,又提高了分类器的分歧性。对UCI数据集进行分类实验的结果表明,该算法具有较高的分类率和样本标记率。
赵建华
关键词：半监督学习安全性分歧
有监督SOM神经网络在入侵检测中的应用被引量：15
2012年
为提高自组织特征映射(SOM)神经网络的分类性能,提出一种有监督SOM神经网络(SSOM)。在输入层和竞争层的基础上增加输出层,根据输入样本的不同预测类别,选取不同的公式调整权值,并训练网络。通过2个权值的组合,实现对样本类别的回归和统计。基于KDD CUP99入侵检测数据集的实验结果表明,与其他SOM网络相比,SSOM具有更好的分类性能和更高的入侵检测率。
赵建华李伟华
关键词：自组织特征映射神经网络入侵检测
一种基于交叉验证思想的半监督分类方法被引量：9
2014年
为了提高半监督分类的有效性,提出一种基于交叉验证思想的半监督分类方法(CV-S3VM)。通过对未标记样本进行伪标记,将伪标记后的样本加入到标记样本集中,参与交叉验证,选取能使SVM分类器误差最小的标记作为最终的标记,实现对未标记样本进行标记。依次挖掘未标记样本的隐含信息,增加标记样本的数目。使用UCI数据集模拟半监督分类实验环境,结果表明CV-S3VM具有较高的分类率,在标记样本较少的情况下效果更为明显。
赵建华
关键词：半监督分类支持向量机
全选 清除 导出
共1页<1>
聚类工具0