基于模糊积分的多决策树融合模型FIFDT的研究

摘要：

随着网络速度的提高,网络的数据流量越来越大.为了提高基于数据挖掘的入侵检测系统的检测性能,提出了一种在海量数据集上进行数据挖掘的有效方法,即基于模糊积分的多决策树融合FIFDT.它的基本思想是把海量数据集分成若干子数据集,在子数据集上进行挖掘形成不同的子决策树,然后用模糊积分将多棵子决策树对TCP数据的检测结果进行非线性融合形成最优判断.将该技术应用在网络入侵检测中,实验结果表明,FIFDT的检测性能优于在海量数据集上进行挖掘形成单棵决策树的检测性能。

关键词： 模糊积分 多决策树融合 数据挖掘 网络入侵检测 海量数据集

作者: 田俊峰 傅玥 王建岭

作者单位: 河北大学数学与计算机学院,保定,071002

会议类型: 国内会议

会议名称: 2005第一届中国分类技术与应用研讨会(CSCA)

会议地点: 北京

会议语种:中文

页码: 148-152

在线出版日期: 2005-09-23（万方平台首次上网日期，不代表论文的发表时间）