基于Bagging支持向量机集成的入侵检测研究

摘要

对大数据集来说,支持向量机的时空耗费非常大,本文采用bagging技术对支持向量机进行集成。首先用bootstrap技术对训练样本集进行可重复采样,使所得到的新子样本集有较大差异,然后用多个支持向量机对各子样本集进行学习,并将学习后的结果用多数投票法集成最终的结论。实验表明,支持向量机集成对入侵检测数据有比单个支持向量机更好的分类性能。