为改进朴素贝叶斯(naive Bayes,NB)算法在识别未知恶意代码过程中学习速度慢的缺点,在分析研究朴素贝叶斯算法、复合贝叶斯(multi-naive Bayes,MNB)算法的基础上,提出了一种改进贝叶斯(half-increment naive Bayes,HNB)算法.算法采用特征集增量学习方式,在保证分类精度不降低的前提下,学习速度提高约30%.实际样本测试表明,分类精度达到了96%,其中对已知恶意代码的分类精度达到99%.
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~