深层自动编码机的文本分类算法改进

自动编码机作为一种新兴的深层神经网络学习算法,在高维数据的降维和图像重构中取得了很好的效果。针对该方法在文本分类中重构出大量的对学习没有帮助的含噪数据,提出一种利用原型数据监督学习的改进模型,称做深层原型自动编码机,该方法改善了无监督学习的不足。并且,通过建立多个实例对应一个原型模型,可以大大降低算法对于原型数量的需求,提升了算法的运行效率,而且更加有利于原型学习在多种不同的数据上展开。实验证明该方法可以增加文本分类的准确率。

SOINN多视图网络入侵检测

检测准确性是入侵检测系统(IDS)的关键性能。针对入侵检测中训练样本数目不平衡的问题,提出使用拓扑学习的方法训练网络数据分类器,并且使用多视图入侵检测方法进一步提高检测率。实验结果表明,提出的方法对于某些攻击类型的检测能力优于现有的方法。特别是提升了对非法远程闯入(R2L)攻击,与非法提升权限(U2R)攻击的检测能力。