[发明专利]一种基于主动学习的网络数据异常检测方法无效
| 申请号： | 201110040672.1 | 申请日： | 2011-02-18 |
| 公开（公告）号： | CN102176701A | 公开（公告）日： | 2011-09-07 |
| 发明（设计）人： | 张钧萍;何淼;陈雨时;张晔 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | H04L12/26 | 分类号： | H04L12/26;G06K9/62 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 岳泉清 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于主动学习的网络数据异常检测方法，它涉及基于支持向量机的检测方法。它解决了现有在网络数据的异常检测方法中支持向量机中所存在的训练样本多、复杂度高、难以有良好分类特性的问题。步骤如下：一、在未标注样本中选择C个点作为候选聚类中心，将候选未标注样本集A进行迭代优化聚类运算，选取叠代聚类结果中的代表性样本构建训练样本集B；二、支持向量机在训练样本集B上训练得到训练超平面；三、根据样本选择准则从候选未标注样本集A中选择最能提升分类性能的样本，标注类别后加入训练样本集B中；四、支持向量机在更新后的训练样本集B上重新训练；五、若检测精度达到设定值，则结束，否返回三。将该算法应用于异常检测研究中可以有效降低复杂度。 | ||
| 搜索关键词： | 一种 基于 主动 学习 网络 数据 异常 检测 方法 | ||
【主权项】：
一种基于主动学习的网络数据异常检测方法，其特征在于它步骤如下：步骤一：在候选未标注样本集A的未标注样本中选择C个点作为候选聚类中心，将候选未标注样本集A进行迭代优化聚类运算，选取叠代聚类结果中的代表性样本构建训练样本集B；步骤二：支持向量机在上述构建的训练样本集B上训练得到训练超平面；步骤三：根据样本选择准则从候选未标注样本集A中选择最能提升分类性能的样本，标注类别后加入训练样本集B中；步骤四：支持向量机在更新后的训练样本集B上重新训练；步骤五：若检测精度达到设定值，则结束，否则返回步骤三。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学，未经哈尔滨工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201110040672.1/，转载请声明来源钻瓜专利网。
