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
- UG西门子后处理
- 2009年全国电子设计大赛A题论文逆变电源设计报告
- Ansys15.0workbench网格划分教程
- Silvaco Tcad （for windows) 最完整破解方法！亲测！
- XY图X轴为时间显示.vi
- nlpcc2013微博情绪分析任务测试集及答案
- Java下操作IBM Websphere MQ的项目案例
- C# Winform 嵌入Google浏览器 Chrome 与JS交互
- Automotive Engineering: Powertrain, Chassis System and Vehicle Body
- 计算机组成与系统结构课后答案 袁春风版
- FreeRTOS中文实用教程.pdf
- 信号与系统 吴大正第四版
- 中央广播电视大学《计算机组成原理A》期末总复习资料（含答案）.pdf
- 互联网时代的网络自动化运维
- filldisk快速硬盘填充.rar
- 异丙醇，甲苯，环氧丙烷各自性质与处理技术
- visual c++自定义制作消息提示框=矩形提示框+图标+文字.png
- 报错：抢购失败，无法获取生成订单的基本信息，接口返回:【‘addressList’】的解决方案，亲测可用！
- SQL2005精简安装教程
- android屏幕录制以及rtmp推流
- SMTP邮件发送（MFC、VC++）耿网出品
- sysfs方式实现马达驱动 - .mht
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