基于增量决策树的快速IDS研究与实现

随着攻击的日益增多和高速网络的普及,对IDS的性能要求也日益提高,Kruegel将ID3决策树引入到入侵检测系统中,有效地提高了入侵检测的速度,但该方法在增加规则时需要完全重建决策树,而且占用内存过大,对于要求实时性的应用场合并不适合。引入基于增量学习的ID5R决策树算法,并对规则属性处理方式进行优化,在保证检测速度的同时解决了实时增加规则和占用内存过大的问题。

烧结矿配料规则的自动提取

针对配料生产过程大惯性、高度非线性以及对象模型不确定性等特点，提出一种从仿人决策思维的规律出发，基于半模糊语意区间表达的模糊知识，用ＩＤ５Ｒ算法来获取控制规则的知识自动提取方法．仿真结果表明，用此方法的计算开销比ＩＤ３ 算法小，且能获得相同的定性控制规则．

决策树在垃圾邮件过滤中的应用

介绍了垃圾邮件过滤技术,对决策树算法的基本思想进行阐述,分析比较其优点和不足,给出了基于ID5R算法的垃圾邮件过滤模型.

铁路信号设备故障诊断知识表示方法的研究

针对铁路车站信号设备复杂故障分类决策问题,提出并建立基于ID5R算法的故障诊断知识表示与知识库开发的实际应用方法。最后,通过实例分析验证应用ID5R算法建立故障诊断专家系统知识库的有效性。

MKR──一种有效的增量式概念获取系统

本文对示例式学习的ＩＤ５Ｒ算法进行了深入的研究并作了进一步的改进，提高了其计算效率．并提出一种适合于增量式学习的抗干扰机制，拓广了算法的适用范围．

增量决策树知识获取

决策树算法已经在人工智能领域发挥了巨大的作用,但是传统的ID3算法并不能满足增量学习的要求,增量决策树算法已经成为了当前的研究热点。该文引入了属性值类别计数器的概念,然后重点介绍了ID4算法和ID5R算法,并在最后加以比较。