论文部分内容阅读
针对现有入侵检测系统(Intrusion Detection System,IDS)检测方法准确率低,泛化能力弱,收敛速度慢,易陷入局部最优等问题,提出基于PCA(Principal Component Analysis)和多层感知机神经网络(MLP)的入侵检测模型。该模型首先对数据进行预处理和降维,然后使用该PCA-MLP模型进行训练并使用测试集测试模型的准确率,最后优化分类器的性能。实验表明,该模型可以提高入侵检测系统的准确率,具有很强的泛化能力。