基于DBN-ELM的入侵检测研究
来源：计算机工程杂志2018年第9期北京时间：
作者：魏思政,刘厚泉,赵志凯
单位：1.中国矿业大学 计算机科学与技术学院,江苏 徐州 221116; 2.中国矿业大学 物联网感知矿山研究中心,江苏 徐州 221008
摘要：为了有效解决海量复杂数据的入侵检测分类问题,基于深度信念网络(DBN)和极限学习机(ELM),提出一种新的入侵检测方法。使用DBN对大量复杂无标签的原始数据进行特征提取,得到高度抽象的重要特征,再用ELM完成最终的分类工作。结合DBN自动提取特征的能力和ELM快 速学习且泛化性好的优势,提高入侵检测识别率和运行效率。实验结果表明,与原始的DBN、ELM以及DBN-SVM方法相比,该方法具有更优的精确度和运行效率。
关键词：深度学习,深度信念网络,极限学习机,混合模型,入侵检测,无监督
基金资助：江苏省自然科学基金青年基金(BK20140216)。
