典型文献
基于改进主动学习的异常检测算法
文献摘要：
传统的基于主动学习的异常检测算法在采样过程中,仅考虑了样本与分类边界间的距离,忽视样本特征,导致算法选取样本冗余,运行效率降低.针对此问题,对选择策略进行优化,提出一种基于改进主动学习的异常检测算法.通过基于KDD 99数据集进行异常检测仿真实验,实验结果表明,与传统算法相比,所提算法需要较少已标记样本,即可达到相同的分类准确率.适当增加样本的选择数量,能够有效减少算法达到收敛的迭代次数,提高运行效率.
文献关键词：
主动学习;支持向量机;选择策略;冗余度;异常检测;入侵检测;数据挖掘
中图分类号：
作者姓名：
蔡颖;陈伟荣
作者机构：
中国电子科技集团第二十八研究所 第一研究部,江苏 南京 210001
文献出处：
引用格式：
[1]蔡颖;陈伟荣-.基于改进主动学习的异常检测算法)[J].计算机工程与设计,2022(11):3057-3062
A类：
B类：
主动学习,异常检测,检测算法,样本特征,选择策略,KDD,传统算法,标记样本,分类准确率,少算,迭代次数,提高运行效率,冗余度,入侵检测
AB值：
0.339759
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
