论文研究-基于Boosting RBF神经网络的入侵检测.pdf
提出一种新颖的基于boosting RBF神经网络的入侵检测方法。将模糊聚类和神经网络技术相结合，提出基于改进的FCM算法和OLS算法相结合的FORBF算法，为了提高RBF神经网络的泛化能力，采用Boosting方法，进行网络集成。以“KDD Cup 1999 Data”网络连接数据集训练神经网络并仿真实验，得到了较高的检测率和较低的误警率。
文件下载
评论信息
其他资源
- 基于Qt的QQ局域网聊天源码
- all-2.0.tar.gz
- VS2010_MFC_CTreeCtrl的创建、使用、添加节点图标的测试例子
- 基于MATLAB的数字基带传输系统仿真实验设计-基于MATLAB的数字基带传输系统仿真实验设计.pdf
- 同济版高数第七版
- 北邮编译原理课程设计
- 基于qt和ffmpeg视频播放器开发实战视频
- SAS9.0详细安装步骤+超详细图文说明
- 使用LL(1)方法实现的语法分析程序
- 基于MFC海康威视摄像头Demo（含抓图显示|不含云台）
- Axure中文使用手册
- 智能优化算法及其应用.pdf
- 地名词典-源码
- yii2中文手册-官方.pdf
- 灰色系统分析方法.ppt
- China_SVG.json
- 双鸭山市道路矢量wgs84坐标系2021年最新shp.zip
- tableau可视化分析-案例集锦-城市教育水平评估
- Testing和Instrumentation
- 平台架构的服务监控
- CSGO Demo Manager
- 纯dos系统的vmware镜像
- 最全的NIIT试题 真题截图 模拟题
- PDFlib-6.0.2-Windows
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明