论文部分内容阅读
入侵检测系统（IDS）在处理高维数据时具有计算量大、占用计算机资源较多、训练和预测时间较长等缺点，这就需要对数据在确保有用信息不丢失的前提下进行约简。递归支持向量机（R-SVM）根据各个特征在svm分类器中的贡献大小从分类结果中提取使分类器性能最好的特征，以实现维数约简的目的。将R-SVM理论引入入侵检测系统中，提出了一种基于R-SVM入侵检测方法。通过对KDDCUP99数据集中10Percent数据子集的测试实验结果表明，与用粗糙集做特征提取及传统的几种分类算法相比，用R-SVM做特征提取并结合SVM分