采用自适应GHA神经网络的分类器设计

作     者：刘贵松 王晓彬 

作者机构：电子科技大学计算机科学与工程学院成都610054 

基　　金：国家自然科学基金(60471055) 教育部博士点基金(20040614017) 

出 版 物：《电子科技大学学报》 (Journal of University of Electronic Science and Technology of China)

年 卷 期：2007年第36卷第6期

页      码：1241-1244页

摘      要：介绍了一种自适应逼近数据实质维的GHA神经网络学习算法。基于主元子空间分解的思想,给出了基于该算法的分类器刻画方法,对其中的刻画参数给出了详细的界定。该分类器采用监督学习机制进行训练,可以自动学习输入的主元特征子空间维数。在入侵检测领域,利用KDD CUP 1999数据集对该方法进行了仿真。采用正常连接数据训练GHA异常检测分类器,利用拒绝服务攻击数据进行了误用检测训练。并将测试结果与其他入侵检测方法进行了比较。

主 题 词：GHA算法 实质维 入侵检测 神经网络 主元分析 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 0809[工学-计算机类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203686532...