10.3969/j.issn.1002-137X.2013.04.029
不平衡数据分类方法及其在入侵检测中的应用研究
直接将传统的分类方法应用于不平衡数据集时,往往导致少数类的分类精度低下.提出一种基于K-S统计的不平衡数据分类方法,以有效提高少数类的识别率.利用K-S统计评估分类与特征之间的关系,去除冗余特征,并且构建K-S决策树获得数据分片,调整数据的不平衡度;最后对分片数据双向抽样调整,进行分类学习.该方法使用的K-S统计假设条件极易满足,其效率高且适用性强.通过KDD99入侵检测数据的分析对比表明,对于不平衡的数据集,该方法对多数类及少数类都具有较高的分类精度.
不平衡数据、K-S统计、逻辑回归、入侵检测
40
TP181(自动化基础理论)
国家自然科学基金61103044;浙江省自然科学基金Y1110567;浙江省科技厅计划项目2010C31126,2011C21046
2013-06-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
131-135