Linux下基于SVM分类器的WebShell检测方法研究

SVM算法最初为二分类问题设计，如何将其应用于多分类问题？本文详细介绍两种构造SVM多分类器的方法：直接法和间接法，并对其优缺点进行比较与分析。其中直接法计算复杂度高，只适用于小规模问题，而间接法则可

基于多通道卷积神经网络的Webshell检测模型研究，于泓凯，李文敏，本文提出了一种新的Webshell通信流量精细化检测模型，该模型根据Webshell在HTTP流量中针对Webshell攻击的pa

为了快速准确地对文档进行分类，提出了一种基于局部鉴别嵌入LDE和简化SVM的高效文档分类算法。该算法首先利用LDE算法把高维文档数据投影到低维特征空间，然后在低维特征空间利用精简SVM进行分类。实验结

针对现有的主动学习算法在多分类器应用中存在准确率低、速度慢等问题,将基于仿射传播AP聚类的主动学习算法引入到多分类支持向量机中,每次迭代主动选择最有利于改善多类SVM分类器性能的N个新样本点添加到训练

遥感图像分类方法通常采用监督的学习算法，它需要人工选取训练样本，比较繁琐，而且有时很难得到；而非监督学习算法的分类精度通常很难令人满意。针对这些缺陷，提出一种基于Kmeans与支持向量机(SVM)结合

在深入研究网络异常行为及异常检测系统相关现状的基础上，提出了基于NB分类方法的网络异常检测模型，并详细论述了该模型的工作原理。实验结果表明该方法是有效的。

SVM分类

互联网web网页，利用SVM技术实现对web进行挖掘、检索等，本文采用这种方法以处理海量数据，网页自动分类，通过自动分类建立数据库，提高搜索引擎的查全率和查准率，而且可以自动的分类信息资源，为用户提供

针对地理课程自动解题，采用SVM学习算法实现地理试题自动分类。通过采用TF-IDF技术提取地理试题文本中的特征关键词，并选取LIBSVM中的Linear核函数进行训练，以构建用于地理试题分类的预测模型

为了提出一种更适用于分析fMRI图像特征的机器学习算法,引入机器学习近年提出的、具有较好的泛化能力、并能够保证极值解是全局最优解的新方法支持向量机(SVM)算法,具体选择了PSVM、SSVM、LPSV