TY -的A2 - Lo黄宗泽,入内非盟,Seo Jae-Hyun AU -金,Yong-Hyuk PY - 2018 DA - 2018/11/01 TI -机器学习方法来优化击杀比在课堂上不平衡数据集对入侵检测SP - 9704672六世- 2018 AB -介绍了KDD CUP 1999入侵检测数据集在第三国际竞争,知识发现和数据挖掘工具,它被广泛用于许多研究。攻击类型的KDD CUP 1999数据集分为四类:用户根(U2R),远程到本地(R2L)拒绝服务(DoS),调查。我们用五类通过添加正常类。R2L,我们定义U2R和探针类,这是每个数据集总数的不到1%,罕见的类。在这项研究中,我们试图减轻数据集的类不平衡。使用合成少数过采样技术(杀),我们试图优化杀稀有类的比率(U2R R2L,探测器)。后随机生成一个击杀的元组数比率,这些元组被用来创建一个数值模型优化的击杀比稀有类。支持向量回归是用来创建模型。我们在测试数据集分配每个实例模型和选择最好的击杀率。实验中使用机器学习技术进行使用最好的比例。 The results using the proposed method were significantly better than those of previous approach and other related work. SN - 1687-5265 UR - https://doi.org/10.1155/2018/9704672 DO - 10.1155/2018/9704672 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -