本文選題：kddcup數(shù)據(jù)集 + 分塊��； 參考：《計(jì)算機(jī)應(yīng)用與軟件》2014年11期

【摘要】：kddcup99數(shù)據(jù)集的網(wǎng)絡(luò)連接數(shù)據(jù)量很大,各特征屬性的取值范圍較廣,決策類型的種類也很多。因此,如果直接在原數(shù)據(jù)集上進(jìn)行數(shù)據(jù)預(yù)處理或是數(shù)據(jù)挖掘都將是一件十分困難的事情。通過對kddcup99進(jìn)行數(shù)據(jù)分析,提出一種對其按照service屬性的不同進(jìn)行分塊的新思路,在不失真的前提下,將大問題轉(zhuǎn)化成小問題,從根本上解決了數(shù)據(jù)集過大的難題。
[Abstract]:The network connection data of kddcup99 data set is very large, the value range of each characteristic attribute is wide, and there are many kinds of decision types. Therefore, it is very difficult to preprocess or mine data directly on the original data set. Based on the data analysis of kddcup99, a new way to divide kddcup99 into blocks according to the different attributes of service is put forward. Under the premise of no distortion, the large problem is transformed into small problem, and the problem of too large data set is solved fundamentally.
【作者單位】： 遼寧科技大學(xué)軟件學(xué)院;
【分類號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 肖立中;劉云翔;;適合于入侵檢測的分步特征選擇算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年11期

2 李云;劉學(xué)誠;朱峰;;數(shù)據(jù)挖掘技術(shù)在入侵檢測中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2011年05期

3 王潔松;張小飛;;KDDCup99網(wǎng)絡(luò)入侵檢測數(shù)據(jù)的分析和預(yù)處理[J];科技信息(科學(xué)教研);2008年15期

4 蔣建春,馬恒太,任黨恩,卿斯?jié)h;網(wǎng)絡(luò)安全入侵檢測:研究綜述[J];軟件學(xué)報(bào);2000年11期

5 章金熔;劉峰;趙志宏;駱斌;;數(shù)據(jù)挖掘方法在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年24期

6 李濤;;基于數(shù)據(jù)挖掘技術(shù)的自適應(yīng)入侵檢測系統(tǒng)模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年06期

7 張新有;曾華q，

本文編號(hào)：1851533