论文部分内容阅读
本文首先从数据挖掘算法入手, 探讨了分类与预测的处理模型，论述了神经网络技术在分类与预测方面的优势,通过比较选择了RBF网络并将其应用到混沌的非线性时间序列预测中。为了提高网络的推广能力，优化了滑动窗口长度。
然后对KDD Cup 1999 Data进行分析。该数据是关于入侵检测方面的数据，由于数据量很大且具有高维特征，为此系统设计借鉴了数据挖掘流程SEMMA，同时将RBF神经网络和竞争学习网络结合了起来，分别就异常检测和误用检测进行了分析,在一定程度上弥补了现有入侵检测技术在有效性、适应性和可扩展性上的不足.
最后对整个研究工作进行了总结,提出了进一步改进的几个方向.