结合XGBoost的树突状细胞改进算法

摘要：

树突状细胞算法(DCA)要求输入3类信号,需要通过人工选取或统计学等方式提前进行特征提取.为准确、高效地提取特征,提出一种基于XGBoost的DCA.通过使用XGBoost算法迭代生成决策树,根据决策树的特征节点对数据集的特征指标进行提取与分类,并作为DCA的信号输入以实现算法优化.使用KDD99数据集进行实验,结果表明,与基于粗糙集的改进算法相比,该算法的准确率更高,最高可达0.859 00.

关键词：树突状细胞算法、XGBoost算法、决策树、特征提取、计算机免疫

所属期刊栏目：45

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目“计算机免疫智能的连续应答机制及其应用研究”6187705

在线出版日期：2019-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：194-197,203