入侵检测中基于SVM的两级特征选择方法

被引：33

作者：

武小年 ^{[1
,2
,3
]}

彭小金 ^{[1
]}

杨宇洋 ^{[1
]}

方堃 ^{[1
]}

机构：

[1] 桂林电子科技大学信息与通信学院

[2] 桂林电子科技大学广西无线宽带通信与信息处理重点实验室

[3] 桂林电子科技大学广西信息科学实验中心

来源：

通信学报 | 2015年 / 36卷 / 04期

关键词：

入侵检测; 特征选择; 支持向量机; Fisher分; 序列后向搜索;

D O I：

暂无

中图分类号：

TP393.08 []; TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 0839 ; 1402 ; 1405 ;

摘要：

针对入侵检测中的特征优化选择问题,提出基于支持向量机的两级特征选择方法。该方法将基于检测率与误报率比值的特征评测值作为特征筛选的评价指标,先采用过滤模式中的Fisher分和信息增益分别过滤噪声和无关特征,降低特征维数;再基于筛选出来的交叉特征子集,采用封装模式中的序列后向搜索算法,结合支持向量机选取最优特征子集。仿真测试结果表明,采用该方法筛选出来的特征子集具有更好的分类性能,并有效降低了系统的建模时间和测试时间。

引用

页码：23 / 30

页数：8

共 9 条

[1] 核函数的选择研究综述
汪廷华
陈峻婷
[J]. 计算机工程与设计, 2012, 33 (03) : 1181 - 1186
[2] 特征加权支持向量机
汪廷华
田盛丰
黄厚宽
[J]. 电子与信息学报, 2009, 31 (03) : 514 - 518
[3] Feature selection using data envelopment analysis[J] . Yishi Zhang,Anrong Yang,Chan Xiong,Teng Wang,Zigang Zhang.Knowledge-Based Systems . 2014
[4] An efficient intrusion detection system based on support vector machines and gradually feature removal method[J] . Yinhui Li,Jingbo Xia,Silan Zhang,Jiakai Yan,Xiaochuan Ai,Kuobin Dai.Expert Systems With Applications . 2011 (1)
[5] Hybrid feature selection by combining filters and wrappers
Hsu, Hui-Huang
Hsieh, Cheng-Wei
Lu, Ming-Da
[J]. EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (07) : 8144 - 8150
[6] Using support vector machines with a novel hybrid feature selection method for diagnosis of erythemato-squamous diseases[J] . Juanying Xie,Chunxia Wang.Expert Systems With Applications . 2010 (5)
[7] Using support vector machine with a hybrid feature selection method to the stock trend prediction
Lee, Ming-Chi
[J]. EXPERT SYSTEMS WITH APPLICATIONS, 2009, 36 (08) : 10896 - 10904
[8] A tutorial on Support Vector Machines for pattern recognition
Burges, CJC
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) : 121 - 167
[9] SUPPORT-VECTOR NETWORKS
CORTES, C
VAPNIK, V
[J]. MACHINE LEARNING, 1995, 20 (03) : 273 - 297

← 1 →