论文部分内容阅读
在众多的入侵检测系统中,当训练集合发生变化的时候,都需要重新进行训练学习.在现实世界中,由于数据的统计模型可能是未知的或是时间相关的,因此要求学习系统的很多参数只能随着部分输入数据进行增量式地调整更新.文章提出了有导师学习的ESOM模型理论背景并将它应用到入侵检测的在线识别领域中,同时给出相应的实验结果和分析结论.