抑制样本噪声的AdaBoost算法及其在入侵检测中的应用

摘要：

AdaBoost通过对错分样本增加权重来调整在后续单分类器序列中这些样本的重要度,使得错分样本能被正确分类,从而提升学习精度。但如果样本点。存在噪声或错误,会导致最终的分类器集成缺乏稳定性,泛化能力下降.针对这个问题,提出了一种权值阈值设定的方法来限制噪声样本的权值上限,并用入侵检测数据对算法改进前后进行了评估.实验结果表明,噪声样本抑制的AdaBoost算法具有很强的稳定性和泛化能力。

关键词： 集成学习 提升算法 入侵检测 样本噪声抑制 AdaBoost算法

作者: 张红梅 高海华 王行愚

作者单位: 华东理工大学,信息科学与工程学院,上海,200237;桂林电子科技大学,信息与通信学院,广西,桂林,541004 华东理工大学,信息科学与工程学院,上海,200237

会议类型: 国内会议

会议名称: 2007年中国智能自动化会议

会议地点: 兰州

会议语种:中文

页码: 644-647

在线出版日期: 2007-08-24（万方平台首次上网日期，不代表论文的发表时间）