论文部分内容阅读
本文针对目前网络入侵检测学习算法效率不高的问题，首先提出相对距离的概念，然后构造基于相对距离的竞争激活函数和相似性度量，在此基础上提出一种改进的网络入侵检测算法。该算法的优势在于：（1）相对距离能较好地区分极差较大的列属性值并实现归一化；（2）基于相对距离的竞争激活函数可以处理包含符号属性的数据，不需转换为数值，且计算复杂度较低；（3）算法不需要重置机制。通过对KDDCUP99数据集的实验，验证了在检测精度与其他算法相当的情况下，改进算法学习时间和检测时间显著减少。