换一批摘要针对网络入侵特征高维性和特征冗余严重等问题，提出一种K近邻算法（KNN）和改进人工鱼群算法选择特征的网络入侵检测模型（AFSA-KNN）。计算特征之间的关联度，采用KNN算法消除原始网络数据中的冗余特征；将得到的特征子集作为AFSA初始解，通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集；建立网络入侵检测分类器。实验结果表明， AFSA-KNN有效消除了冗余特征，减少分类器输入维数，提高了网络入侵检测正确率和检测速度。
更多相关知识
关键词
特征选择入侵检测K近邻特征关联性人工鱼群算法feature selectionintrusion detectionKNNfeature relevanceartificial fish swarm algorithm
分类号
TN915
栏目名称
DOI
10.3969/j.issn.1000-7024.2014.08.011
发布时间
2014-09-26（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引14
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
