基于Fisher分和支持向量机的特征选择算法

发布时间：2017-07-18 16:27

  本文关键词：基于Fisher分和支持向量机的特征选择算法

  更多相关文章： 入侵检测 Fisher分 支持向量机 特征选择 数据标准化

【摘要】：网络入侵数据集中存在的大量冗余和噪声特征严重影响检测系统的性能。针对该问题,提出一种基于Fisher分和支持向量机的入侵特征选择算法。通过对各维特征的Fisher分值排序,结合支持向量机分类算法,建立特征分类模型,筛选出具有最高检测率与误码率比值的最优特征组合。仿真结果表明,该算法筛选出的特征组合具有较高的检测率和较低的误码率,有效降低了检测系统的建模时间和测试时间,提高了系统性能。
【作者单位】： 桂林电子科技大学信息与通信学院;保密通信重点实验室;
【关键词】： 入侵检测 Fisher分 支持向量机 特征选择 数据标准化
【基金】：广西自然科学基金项目(2012GXNSFAA053224) 保密通信重点实验室基金项目(9140C110404110C1106) 广西教育厅基金项目(201010LX156;CD10066X)
【分类号】：TP393.08;TP18
【正文快照】： 0引言在网络入侵检测中,过多的噪声特征和冗余特征严重影响了入侵检测系统的性能和准确率,优化特征选择是入侵检测系统解决该问题的有效途径。特征选择是从一组特征中筛选出对分类器分类性能影响最重要的特征子集,并在不明显影响分类检测率的情况下,挑选出最优特征组合的过程

【参考文献】

中国期刊全文数据库 前2条

1 落红卫;网络入侵检测系统及性能指标[J];电信网技术;2005年11期

2 张雪芹;顾春华;;一种网络入侵检测特征提取方法[J];华南理工大学学报(自然科学版);2010年01期

【共引文献】

中国期刊全文数据库 前10条

1 李想;王素格;郭晓敏;;基于模糊形式概念分析的文本分类模型[J];电脑开发与应用;2014年05期

2 饶秋纳;赵泽茂;;基于One-Class支持向量机的Windows注册表异常检测[J];计算机工程与科学;2009年08期

3 宋宇翔;刘琰;;特征和分类器联合优化的网络入侵检测算法[J];计算机工程与应用;2012年19期

4 吕云云;李e，

本文编号：558656