高速信息网络混合入侵信息分层检索仿真研究

摘要

由于当前高速信息网络混合入侵信息检索方法无法完全辨识入侵信息的特征,反馈次数较多,导致信息查全率与查准率较低、稳定性不好的问题,提出一种基于新空间关系特征结合K-means方法的高速信息网络混合入侵信息分层检索方法.提取高速信息网络混合入侵的空间结构向量,计算任意两个特征向量之间的相似性,构建相似性集合,将相似性作为新特征向量,创建新的空间关系特征向量,将原来的特征向量映射到一个欧式空间上.对其空间上未标注的数据样本与分类边界之间的距离以及其近邻密度进行标注,选出最有价值的关键性数据样本作为训练数据样本,使得分类器可以在较少的反馈次数中达到最高的精准性.仿真结果表明,所提方法在查准率、查全率方面优于其它方法.