基于粒子群优化和邻域约简的入侵检测日志数据特征选择

摘要：

入侵检测日志数据具有数据量大、特征数目繁多以及连续型属性多的特点.传统的特征选择方法在处理连续型数据时要先进行离散化,这需要花费大量的预处理时间并且离散化过程可能会丢失一些重要信息,导致分类精度下降.针对上述问题,首先引入能直接处理连续型数据的邻域粗糙集约简模型,在此基础上构造计算粒子群优化算法中粒子的适应度函数,最后给出一种基于邻域粗糙集模型和粒子群优化的特征选择算法.仿真实验结果表明该算法可以选择较少的特征,改善分类的能力.

关键词：粒子群优化、粗糙集、邻域约简、特征选择、入侵检测

所属期刊栏目：47

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家自然科学基金项目60673161,10871221;福建省科技厅重点基金项目2007H0023;福建省自然科学基金项目A0820002,A0610012

在线出版日期：2010-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1261-1267