|
|
1.
基于SMOTE和深度信念网络的异常检测
沈学利, 覃淑娟
计算机应用
2018, 38 (7):
1941-1945.
DOI: 10.11772/j.issn.1001-9081.2018010178
针对现有海量非平衡数据集中少数类别样本入侵检测率低的问题，提出了一种基于合成少数类过采样技术（SMOTE）和深度信念网络（DBN）的异常检测（SMOTE-DBN）方法。首先，用SMOTE技术增加了少数类别样本的样本数；然后在预处理后的较平衡数据集上，用非监督的受限玻尔兹曼机（RBM）对预处理后的高维数据进行特征降维；其次，用反向传播（BP）算法微调模型参数，获得预处理后数据的较优低维表示；最后通过softmax分类器对较优低维数据进行分类。KDD1999数据集仿真实验表明，SMOTE优化处理能够提高模型对少数类别样本的检测率，在相同数据集上，SMOTE-DBN方法与DBN方法、支持向量机（SVM）方法相比，检测率分别提高了3.31个百分点和7.34个百分点，误报率分别降低了1.11个百分点和2.67个百分点。
参考文献 |
相关文章 |
多维度评价
|
|
