不同SVM算法在入侵检测中的应用

近年来支持向量机在入侵检测领域得到了广泛应用,由于支持向量机理论在发展过程中不断涌现出新的算法,为了找到一种较适合入侵检测的算法,选择了具有代表性的基于C-SVM的SMO算法和一种新的支持向量机LS-SVM,分别应用于入侵检测.使用不同规模训练集和测试集进行多组实验,从不同角度研究了它们在入侵检测中的特性,并进行综合比较研究,从实时性、检测精度、误报率和漏报率方面研究它们在入侵检测中的优劣,找出较优的算法为SMO算法.     

动态交通配流中的模糊路径选择模型研究

考虑出行者在模糊信息条件下的动态路径选择行为,提出一种基于路径模糊条件下的选择模型。出行者在一种非饱和状态下的路网结构中,根据各路段行程所需的模糊时间进行路径选择,从而影响其他出行者选择短路径,使整个路网中各路段用户均衡。该模型框架为智能化交通系统的建立提供一定的理论依据,算例结果验证了该模型的有效性和可行性。     

SVM入侵检测系统中数据预处理方法改进

由于网络数据的复杂性和不规范性制约着SVM分类器的精度,当前被广泛使用的数据预处理方法显得过于单一。因此,提出一种改进的数据预处理方法。首先,利用异构数据集上的奇异距离函数HVDM对数据进行归一化处理;然后,使用最近邻法对数据集修剪得到最后的训练样本,并且通过实验证明该方法可以提高SVM分类器的精度。