极限学习机应用于入侵检测（一）

引言

    最近读了一篇2014年CCS的论文，Using Extreme Learning Machine for Intrusion Detection in a Big Data Environment，并对其内容进行了总结和扩展。

基本知识

     极限学习机（extreme learning machine）ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。2004年由南洋理工大学黄广斌副教授提出。传统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调整网络的输入权值以及隐元的偏置，并且产生唯一的最优解，因此具有学习速度快且泛化性能好的优点，目标是解决回归、二分类以及多分类问题。ELM是有监督的机器学习算法，单隐层前馈神经网络（single hidden layer feed-forward neural networks），意味着SLFN只有一个隐藏层，整个SLFN包括输入层