计算机科学 ›› 2008, Vol. 35 ›› Issue (9): 83-86.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 朴素贝叶斯分类器由于其强独立性假设，并不考虑属性之间的相互关系，而入侵检测的数据集不能很好地满足这一条件假设。为此，提出了一种基于有向完全图的贝叶斯分类器，将属性之间的关系加入到分类器的构造中，降低了朴素贝叶斯分类器的强独立性假设，并将其应用于入侵检测中。在MIT入侵检测数据集的实验表明，该算法能提高入侵检测的准确率，其效果很好。
关键词: 贝叶斯算法 分类器 入侵检测模型
Abstract: The strong independence assumption made by the naive Bayes classifier supposes that every attribute is independent from the rest of the attributes given the state of the class variable. This assumption rarely holds true in the intrusion detection datasets
Key words: Bayes,Classifier, Intrusion detection model
. 基于完全无向图的贝叶斯分类器在入侵检测中的应用[J]. 计算机科学, 2008, 35(9): 83-86. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2008/V35/I9/83
Cited
首页