典型文献
卡方校正算法对入侵检测特征选择的优化
文献摘要：
在入侵检测系统中互信息特征选择标准可快速选择重要特征,通常信息熵的计算偏差会降低系统的分类性能.为了减少特征选择偏差的影响,提出卡方校正算法(chi-square correction algorithm,CSCA).首先,对所有候选特征进行离散化处理,计算互信息特征选择相关标准的偏差;然后,将偏差项添加在特征选择目标函数中,通过CSCA优化离散化水平和特征偏差;最后,在更新后的特征集中选择当前最重要的特征子集,在分类模型中检测攻击.仿真结果表明,与MIGM(mutual infor-mation gain maximize)算法和M-DFIFS (M-dynamic feature importance based feature selection)算法相比,卡方校正算法提高了入侵检测系统的精度,同时降低了系统的误报率.
文献关键词：
入侵检测;特征选择;互信息;离散化;卡方检验
中图分类号：
作者姓名：
刘云;郑文凤;张轶
作者机构：
昆明理工大学信息工程与自动化学院,云南昆明650500
文献出处：
引用格式：
[1]刘云;郑文凤;张轶-.卡方校正算法对入侵检测特征选择的优化)[J].武汉大学学报（理学版）,2022(01):65-72
A类：
CSCA,MIGM,DFIFS
B类：
校正算法,检测特征,特征选择,入侵检测系统,互信息,信息特征,快速选择,信息熵,分类性能,选择偏差,chi,square,correction,algorithm,离散化处理,加在,优化离散,特征偏差,征集,特征子集,分类模型,mutual,infor,mation,gain,maximize,dynamic,feature,importance,selection,误报率,卡方检验
AB值：
0.411154
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
