论文部分内容阅读
为了提高模糊支持向量机在入侵检测数据集上的训练效率，提出了一种基于聚类的模糊支持向量机入侵检测算法。该方法可以对训练数据进行剪枝，有效地减少远离分类面的聚类边缘点的数量，同时在分类面附近保持较多的样本点，以靠近判剐边界的聚类中心集合作为有效的训练样本集合对模糊支持向量机进行训练，减少了样本的训练时间，提高了算法的效率。实验结果表明该方法提高了模糊支持向量机的训练效率，而且对入侵检测是非常有效的。