基于粒子群优化算法和相关性分析的特征子集选择

摘要：

特征选择是模式识别与数据挖掘等领域的重要问题之一.针对此问题,提出了基于离散粒子群和相关性分析的特征子集选择算法,算法中采用过滤模式的特征选择方法,通过分析网络入侵数据中所有特征之间的相关性,利用离散粒子群算法在所有特征的空间里优化搜索,自动选择有效的特征子集以降低数据维度.1999 KDD Cup Data中IDS数据集的实验结果表明了提出算法的有效性.

关键词：数据挖掘、入侵检测、粒子群优化、相关性、特征子集选择

所属期刊栏目：35

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金60673161;教育部科学技术研究重点项目206073;福建省自然科学基金A0610012

在线出版日期：2008-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：144-146