论文部分内容阅读
对网络异常进行分类有利于管理员更好地管理网络，然而单一的分类器存在对各类异常的分类效果不均衡，不够全面等问题。鉴于此在研究了常用于分类的概率神经网络（Probability Neural Network，PNN）算法和朴素贝叶斯分类器（Naive Bayes Classifier，NBC）算法的基础上提出了一种融合NBC与PNN的网络异常分类模型。该模型将PNN与NBC对各类网络异常的分类精度作为权值，通过计算得出未知流量所属各类别的概率，最大值为预测结果，通过KDD99数据集对该模型进行测试，实验结果表