基于kpca空间相似度的一类入侵检测方法

？为了解决入侵检测系统中异常样本数据不易收集以及异常样本数据分布不均导致传统分类算法出现过适应现象等现实应用问题,提出了一种基于核主成分分析(kpca)空间相似度的一类入侵检测方法。该方法利用kpca形成正常样本的非线性特征子空间，其他样本在该空间的投影系数作为相似性的度量。同时，为了有效利用已有的异常训练样本，通过自适应增加免疫因子方法来提高模型的决策性能及增量学习能力。对核函数参数和阈值设定进行了分析，并给出基于粒子群优化算法的决策模型。实验中将该方法同其他多层感知机(mlp),支持向量机(svm)及自组织映射(som)方法进行比较，实验结果验证了该方法的正确性和有效性。