针对海量工控网络数据样本分布不平衡导致态势要素提取精度低的问题,提出一种基于LOF-SMOTE平衡数据样本的方法。该方法首先用LOF算法在少数类样本点中筛选出分布较分散的样本点,再将筛选样本点通过SMOTE算法生成新的样本点,使各类别样本数据达到平衡。通过受限玻尔兹曼机(RBM)算法对工控数据的特征进行降维,应用随机森林算法实现工控网络态势要素的提取。通过控制单一变量的方法研究不同参数对最终结果的影响,并在NLKDD数据集上进行了对比实验。
科研之友
微信
新浪微博
Facebook
分享链接
