2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩59頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文主要對(duì)基于樹(shù)形組合結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)分類器組合方法在入侵檢測(cè)系統(tǒng)的實(shí)現(xiàn)技術(shù)進(jìn)行研究和探索,開(kāi)展以下方面的工作: (1)針對(duì)BP神經(jīng)網(wǎng)絡(luò)分類器以及LVQ神經(jīng)網(wǎng)絡(luò)分類器的特點(diǎn),本文提出了一個(gè)樹(shù)形分類器組合框架。該組合分類器利用BP神經(jīng)網(wǎng)絡(luò)的獨(dú)立性以及自適應(yīng)性解決了一般分類器難以不斷學(xué)習(xí)和適應(yīng)新攻擊的問(wèn)題;利用LVQ神經(jīng)網(wǎng)絡(luò)的競(jìng)爭(zhēng)性將分類信息定義為特定的目標(biāo)類別。 (2)由于入侵檢測(cè)數(shù)據(jù)集中的信息均為高維特征向量,因此它需要在

2、大規(guī)模的分類識(shí)別過(guò)程中解決特征提取問(wèn)題。本文采用主成分分析(Principal Components Analysis)方法較好地解決了該問(wèn)題。具體做法是:基于MATLAB統(tǒng)計(jì)工具箱,利用相關(guān)函數(shù)對(duì)入侵檢測(cè)數(shù)據(jù)集進(jìn)行預(yù)處理——降維操作;接著將2層樹(shù)形BP-LVQ神經(jīng)網(wǎng)絡(luò)組合分類器應(yīng)用到入侵檢測(cè)的行為識(shí)別之中;然后根據(jù)模式識(shí)別的原理,針對(duì)BP神經(jīng)網(wǎng)絡(luò)子分類器的訓(xùn)練算法,舍Levenberg-Marquardt算法而取Resilient B

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論