集成异种分类器在数据流入侵检测中的应用 陈猛;洪伟 【期刊名称】《河南科技》 【年(卷),期】2018(000)029 【摘 要】本文提出了一种集成异种分类器的数据流入侵检测模型EDKCDS(Ensemble of Different Kind of Classifiers on Data Stream),目的是在适应概念漂移的前提下,利用多个时间段的数据学习生成异种分类器,并集成各个异种分类器,检测入侵行为,使其能达到目标类召回率和精度的平衡,并且能取得较高的分类准确率. 【总页数】2页(P21-22) 【作 者】陈猛;洪伟 【作者单位】中共河南省委党校信息管理部,河南 郑州 450000;中共河南省委党校信息管理部,河南 郑州 450000 【正文语种】中 文 【中图分类】TP393.08 【相关文献】 1.分类器集成与相似度融合的主动学习及其在入侵检测中的应用 [J], 肖袁 2.分类器集成在入侵检测中的应用研究 [J], 陈晓平;沈记全 3.基于静态集成PU学习数据流分类的入侵检测方法 [J], 郑科鹏;冯筠;孙霞;冯宏伟;曹国震 4.集成基于EP的分类器用于数据流入侵检测 [J], 陈猛 5.基于集成PU学习数据流分类的入侵检测方法 [J], 宋群;张骏;智永锋 因版权原因，仅展示原文概要，查看原文内容请购买 本文来源：https://www.wddqw.com/doc/9f3a4cda87868762caaedd3383c4bb4cf7ecb7c7.html