基于集成PU学习数据流分类的入侵检测方法

作者： 宋群 ; 张骏 ; 智永锋

摘要：入侵检测问题可以模型化为数据流分类问题,传统的数据流分类算法需要标注大量的训练样本,代价昂贵,降低了相关算法的实用性.在PU学习算法中,仅需标注部分正例样本就可以构造分类器.对此本文提出一种动态的集成PU学习数据流分类的入侵检测方法,只需要人工标注少量的正例样本,就可以构造数据流分类器.在人工数据集和真实数据集上的实验表明,该方法具有较好的分类性能,在处理偏斜数据流上优于三种PU学习分类方法,并具有较高的入侵检测率.

关键字： 入侵检测 集成分类 数据流 PU学习

---

上一篇：《微电子学与计算机》征稿简则
下一篇：基于属性重要性的不完备数据填充算法