基于MATLAB的BP-LVQ神经网络组合分类模型

综合考虑神经网络分类误差率以及训练速率,文中从组合分类器结构出发,提出一种树形多层的BP-LVQ神经网络组合分类器模型。该组合分类器利用BP神经网络独立性以及自适应性解决了一般分类器难以不断学习和适应新攻击的问题,利用LVQ神经网络的竞争性将客观分类信息转变成使用者所定义的类别。利用MATLAB神经网络工具箱对该BP-LVQ神经网络组合分类模型进行仿真实验,实验结果表明,该组合分类器的分类效率明显高于单一分类器。

一种基于PCA技术的入侵检测特征提取方法

为了提取入侵检测数据信息的特征和提高入侵检测系统的处理效率,提出一种基于PCA(P rincipalCom ponen ts A nalysis)技术的入侵检测特征提取方法,并利用M atlab统计工具箱对该方法进行仿真实验。实验结果表明,利用该方法所提取的特征足以代表入侵检测数据的主要信息,根据特征提取结果所进行的数据压缩处理是可行的。

基于Matlab的主成分分析方法(PCA)的实现

由于入侵检测数据集中的信息均为高维特征向量,因此需要在大规模的分类识别过程中解决特征提取问 题．本文基于Matlab工具,采用主成分分析(PCA)方法较好地解决了这一问题．

面向工程的《数据挖掘》课程教学方法探讨

《数据挖掘》课程是一门理论性和实践性都很强的课程。针对《数据挖掘》课程现有的教学局限性,以工程教育为导向,从教学内容、教学方法实验教学考核方式等方面阐述如何促进学生正确理解数据挖掘的基本原理,熟练掌握数据挖掘的设计方法和相关的项目实施过程。通过教学实践检验,证明面向工程的教学模式能有效提高学生的学习积极性,教学效果良好。