论文部分内容阅读
特征选择是网络安全、模式识别、数据挖掘等领域的重要问题之一．针对高维数据对象，特征选择一方面可以提高分类精度和效率，另一方面可以找出富含信息的特征子集．文中提出一种wrapper型的特征选择算法来构建轻量级入侵检测系统．该算法采用遗传算法和禁忌搜索相混合的搜索策略对特征子集空间进行随机搜索，然后利用提供的数据在无约束优化线性支持向量机上的平均分类正确率作为特征子集的评价标准来获取最优特征子集．文中按照DOS，PROBE，R2L，U2R4个类别对KDD1999数据集进行分类，并且在每一类上进行了大量的实验．