Indexed by：
Abstract：
本发明公开了一种基于PCA和随机森林分类的入侵检测方法，其实现步骤为：(1)从入侵检测数据集中选取训练样本集和测试样本集；(2)通过PCA算法对训练样本集X进行特征降维处理，得到新的低维样本集合X’；(3)对于新的低维样本集合X’，通过给定随机森林中决策树的数量t，从低维样本集合X’中有放回地抽取N个子集，每颗决策树都对N个子集进行训练，最终得到一个随机森林分类器；(4)将测试样本集输入随机森林分类器，得到测试样本集的最终入侵检测结果。本发明使用先降维后分类的思想，对数据先进行特征降维然后再进行分类，与普通的基于机器学习入侵检测技术相比，本发明提出的入侵检测方法可有效提高检测的准确性。
Keyword：
Reprint 's Address：
Email：
Patent Info ：
Type： 发明授权
Patent No.： CN201710590718.4
Filing Date： 2017/7/19
Publication Date： 2019/11/12
Pub. No.： CN107395590B
公开国别： CN
Applicants： 福州大学
Legal Status： 授权
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
