摘要
提出一种基于云模型和粒子群优化算法相结合的数据特征选择算法,实现了特征属性的有效约简,降低了特征属性的冗余性,有助于提高日志数据的评估速度.实验结果表明,提出的FSA-CP算法在选择准确率和算法收敛性等方面具有一定优势.
We propose an approach called FSA-CP based on cloud model and particle swarm optimization（PSO） to realize feature selection by achieving an effective reduction of feature attributes,which solves the problem of feature redundancy and helps improve the speed of the evaluation.Experimental results show that the FSA-CP algorithm has an advantage in accuracy and convergence.
出处
《福州大学学报（自然科学版）》
CAS
CSCD
北大核心
2011年第6期811-818,共8页
Journal of Fuzhou University(Natural Science Edition)
基金
福建省科技创新平台计划资助项目(2009J1007)
福建省科技厅重点资助项目(2007H0023)
关键词
云模型
粒子群优化
特征选择
入侵检测
日志
cloud model
particle swarm optimization
feature selection
intrusion detection
logs
