论文部分内容阅读
针对支持向量机应用到入侵检测中训练时间长的特点,以及异常检测手段用来标定数据集中明显不同于其他数据对象,提出了一种基于多阶段聚类支持向量机的入侵检测算法。该方法利用密度聚类滤去噪声点,密度聚类的输出作为下一阶段的K-means聚类的输入。对训练数据进行剪枝,以靠近判别边界的聚类中心集合作为有效的训练样本集合对支持向量机进行训练,效果显著。