典型文献
基于特征约简与多层极限学习机的网络流量异常检测
文献摘要：
针对网络流量异常检测目前存在的数据维度大、冗余数据较多、准确率较低等问题,提出一种基于层次聚类和自编码器并结合多层极限学习机的网络流量异常检测模型.首先考虑数据特征之间的相关性,根据数据特征之间的相似性距离对特征维度进行层次聚类划分,将相关性较高的特征划分到同一特征子集中;然后利用自动编码器对每个特征子集进行约简,消除冗余信息降低检测数据计算量;最后以多层极限学习机作为分类器,利用约简后的特征数据进行网络流量异常检测建模.实验结果显示,文中模型在UNSW-NB15数据集上准确率达到了0.992,精确率达到了0.997.与其他检测方法相比,文中方法可以有效地约简数据特征,提高了检测的准确率和网络流量异常检测的性能.
文献关键词：
网络流量;异常检测;多层极限学习机;层次聚类;特征约简;冗余信息消除
中图分类号：
作者姓名：
丁建立;刘亦舟;梁婷婷
作者机构：
中国民航大学 计算机科学与技术学院,天津 300300
文献出处：
引用格式：
[1]丁建立;刘亦舟;梁婷婷-.基于特征约简与多层极限学习机的网络流量异常检测)[J].现代电子技术,2022(05):84-89
A类：
冗余信息消除
B类：
特征约简,多层极限学习机,网络流量异常检测,数据维度,冗余数据,层次聚类,自编码器,检测模型,先考,数据特征,将相,分到,特征子集,自动编码器,行约,检测数据,数据计算,计算量,分类器,特征数据,UNSW,NB15,精确率,中方
AB值：
0.220854
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。
