[发明专利]一种基于快速KNN算法的入侵检测方法有效
申请号: | 201310666303.2 | 申请日: | 2013-12-10 |
公开(公告)号: | CN103618744B | 公开(公告)日: | 2017-01-11 |
发明(设计)人: | 张雪芹;曹庆;顾春华 | 申请(专利权)人: | 华东理工大学 |
主分类号: | H04L29/06 | 分类号: | H04L29/06 |
代理公司: | 上海科盛知识产权代理有限公司31225 | 代理人: | 赵继明 |
地址: | 200237 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于快速KNN算法的入侵检测方法,包括以下步骤:数据预处理步骤,接收入侵检测原始数据,对原始数据进行数据预处理,包括连续数据离散化处理和字符数据数字化处理;特征约简步骤,采用基于互信息的特征约简算法对预处理后的数据进行特征约简;分类检测步骤,采用快速KNN算法对特征约简后的数据进行分类检测,并输出分类结果。与现有技术相比,本发明具有分类效率和分类精度高等优点。 | ||
搜索关键词: | 一种 基于 快速 knn 算法 入侵 检测 方法 | ||
【主权项】:
一种基于快速KNN算法的入侵检测方法,其特征在于,包括以下步骤:数据预处理步骤,接收入侵检测原始数据,对原始数据进行数据预处理,包括连续数据离散化处理和字符数据数字化处理;特征约简步骤,采用基于互信息的特征约简算法对预处理后的数据进行特征约简,包括以下子步骤:a1)初始化:原始数据的特征集设为F(f1,f2,…,fm),m为总特征个数;数据集的类别标识设为y;设置空集S,设需要选出N个特征;a2)选出第一个特征:对于F中的每个特征fi,计算fi与类别标识y的互信息I(fi;y),然后选择使得I(fi;y)的值最大的fi,将fi存入集合S中,该特征即为第一个特征,同时将fi从集合F中剔除;a3)依次选出剩下的N‑1个特征:采用“最小冗余‑最大相关”标准策略选择第q个特征:Iq=argmax1≤i≤m{I(fi;y)-1q-1Σft∈Sq-1I(fi;ft)|fi∈F}]]>式中,I(fi;y)项是“最大相关”条件,Iq表示第q个特征的互信息,Sq‑1表示包含q‑1已选出特征的特征子集;a4)输出所选出的特征子集S;分类检测步骤,采用快速KNN算法对特征约简后的数据进行分类检测,并输出分类结果;采用快速KNN算法对特征约简后的数据进行分类检测具体为:b1)获得训练样本集,删除训练样本集中的重复数据;b2)建立索引模型;b3)对于当前待分类样本,判断已分类样本集中是否存在与待分类样本相同的样本,若是,则直接输出相同已分类样本的类别标识,若否,执行步骤b4);b4)根据建立好的索引模型快速查找训练样本集中待分类样本的k个最近邻;b5)根据快速查找到的k个最近邻,输出待分类样本的类别标识;所述的步骤b2)中,建立索引模型具体为:b201)随机选择一个训练样本作为基准点R;b202)根据欧氏距离公式计算训练样本库中的每个训练样本到基准点R的距离,并按照距离的大小进行排序,得到一个有序的队列矩阵queuesort,queuesort的行数是训练样本的个数,其中每一行依次包括该样本数据的特征向量、类别标识及其到基准点R的距离;b203)建立索引表indextable,该索引表存储有序队列queuesort中第1、1+L、1+2L、…、1+iL、…个样本在有序队列queuesort中的位置和到基准点R的距离,其中,表示向上取整;b204)查找训练样本集中待分类样本的k个最近邻。
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华东理工大学,未经华东理工大学许可,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/201310666303.2/,转载请声明来源钻瓜专利网。
- 上一篇:一种天然气炼铅炉粉尘过滤方法
- 下一篇:一种搅拌机测温装置