[发明专利]基于简单神经网络和极端梯度提升模型融合的检测方法有效
| 申请号： | 202010733466.8 | 申请日： | 2020-07-27 |
| 公开（公告）号： | CN111967343B | 公开（公告）日： | 2023-07-28 |
| 发明（设计）人： | 谭璨;梁祖红 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06V20/52 | 分类号： | G06V20/52;G06V10/44;G06V10/774;G06V10/764;G06V10/82;G06N3/0442;G06N3/048;G06N3/08;G06N20/20 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 张生梅 |
| 地址： | 510062 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于简单神经网络和极端梯度提升模型融合的检测方法，包括：获取数据集，对数据集进行预处理并划分训练集和测试集；对数据集中的少数类样本进行数据增量操作，使数据集均衡；利用训练集对融合检测模型进行训练；所述融合检测模型包括简单神经网络和极端梯度提升模型，分别对数据集进行有监督的学习训练，直至模型收敛；利用收敛后的融合检测模型对待检测的数据进行入侵检测，得到入侵检测结果。本发明方法改善了单一机器学习模型在面对不同场景时泛化能力不够的局限性，以及机器学习对深层信息的关联规则挖掘能力不强的缺陷；与传统的方法相比，节省了人工挖掘关联规则的成本，更有效的利用了数据特征，提高了入侵检测率。 | ||
| 搜索关键词： | 基于 简单 神经网络 极端 梯度 提升 模型 融合 检测 方法 | ||
【主权项】：
暂无信息
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广东工业大学，未经广东工业大学许可，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/202010733466.8/，转载请声明来源钻瓜专利网。
