论文部分内容阅读
在网络入侵检测中,仅仅采用单棵决策树方法进行攻击判断往往误检率较高,因此本文提出了一种基于多决策算法的集成学习模型,将入侵训练数据集分割为若干份新的数据集,其中一份作为测试集留作验证使用,其余每一份都用一个决策树算法进行独立入侵行为判断,最后综合所有决策树模型的结果,得出结论.通过实验我们验证了多决策树集成学习的方法能明显提高网络入侵检测的准确率.