论文部分内容阅读
为了使分类方法适合网络入侵检测系统在线、实时的特点，根据自适应谐振理论提出了基于联想和竞争学习的动态分类算法。算法采用改进的胜者全得方法训练神经网络，通过估算类别数目方法优化初始系数。该算法能防止分类时丢弃特殊模式，并能对未知类别数量的数据动态进行分类，实验采用相同的数据集训练自适应谐振理论网络和动态分类网络。结果证明，动态分类算法具有良好的收敛性和模式分类能力。将该算法应用于入侵检测系统的网络行为智能学习，其误报率仅为10％左右。