基于局部孤立系数波峰法与云理论的IDS

基于局部孤立系数波峰法LOCW与云理论定性描述的入侵检测系统是当前安全技术的有力补充,对它的研究具有现实意义。采用多传感器加权平均的方法融合出正常状态下均方误差最小的数据融合值,将个不同时刻收集到的数据与之依次相比较得出个偏差值,利用提出的LOCW对得到的个偏差值进行离散数值区间的合理划分,并结合云理论构造自适应评语集组成的定性评测云发生器,最后通过定性评测云发生器与偏差的大小得出系统的定性描述。实验结果证明了该方法的有效性。

基于组合局部孤立点的噪声处理算法

LOF(Local Outlier Factor)算法是基于密度的典型孤立点识别算法,在实践中被广泛用于检测属性噪声。然而,LOF算法没有综合考虑类与类、类与整体之间的信息,因而对类别噪声识别欠佳。CLOF(Combined Local Outlier Factors)是在LOF算法的基础上提出一种基于组合局部孤立系数的类别噪声处理算法。算法通过lofa、lof1、lof0三个局部孤立系数值,首先在整体数据集上剔除属性噪声,其次综合利用整体和局部信息,通过3个lof值之间的关系来识别类别噪声,并更正其类标签。在仿真数据集和UCI数据集上的实验结果表明,CLOF算法能够同时有效识别类别噪声和属性噪声,提高分类器的分类精度,对具有类重叠的复杂数据处理效果尤佳。