層次采樣的代價敏感隨機森林算法及其應用
胡志鵬; 顏秉勇; 彭亦功 華東理工大學信息科學與工程學院; 上海200237
關鍵詞：隨機森林 網絡入侵檢測 樣本類別傾斜 層次采樣 代價敏感
摘要：機器學習算法在入侵檢測系統中被廣泛應用,提升了入侵檢測系統的效率和準確率。然而,入侵數據類傾斜和數據流量劇增問題,導致其被使用的局限性。針對此問題,提出一種分布式層次采樣的代價敏感隨機森林算法。利用層次采樣技術降低樣本類別傾斜比率,通過隨機森林算法進行特征選擇,構建敏感隨機森林算法的分布式檢測網絡。實驗結果表明,該算法可以減小數據類別傾斜影響,提升分類器性能,提高檢測效率。
計算機工程與設計雜志要求:
{1}根據論文情況可自行決定是否列舉閱讀型參考文獻；閱讀型參考文獻用文后尾注形式，以帶方括號的阿拉伯數字（［1］［2］［3］……）順序編號排列。閱讀型參考文獻可不標注具體頁碼。
{2}來稿要求來稿要有科學性、真實性、先進性。設計合理，結構嚴密，層次分明，文通句順，統計學方法正確。
{3}來稿請注明作者單位、聯系方式及確切通信地址。所有稿件，請作者自留底稿，無論采用與否，恕不退還。
{4}正文各級標題一律采用阿拉伯數字連續編號，同級題不同層次的數字之間用下圓點相隔，最末一位數后不加標點。
{5}來稿請寫明詳細通訊地址及聯系電話，并附作者簡介，內容如下：姓名、出生年、性別、民族（漢族可省略）、籍貫、學位、職稱和最高學術職務及研究方向。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
