-
题名基于相对决策熵的决策树算法及其在入侵检测中的应用
被引量：13
- 1
-
-
作者
江峰
王春平
曾惠芬
-
机构
青岛科技大学信息科学与技术学院
浙江工业大学计算机科学与技术学院
九江职业技术学院
-
出处
《计算机科学》
CSCD
北大核心
2012年第4期223-226,共4页
-
基金
国家自然科学基金项目(60802042
61103246)
+2 种基金
山东省自然科学基金项目(ZR2011FQ005
ZR2011FQ026
ZR2010FQ027)资助
-
文摘
为了弥补传统决策树算法的不足,提出一种基于相对决策熵的决策树算法DTRDE。首先,将Shannon提出的信息熵引入到粗糙集理论中,定义一个相对决策熵的概念,并利用相对决策熵来度量属性的重要性;其次,在算法DTRDE中,采用基于相对决策熵的属性重要性以及粗糙集中的属性依赖性来选择分离属性,并且利用粗糙集中的属性约简技术来删除冗余的属性,旨在降低算法的计算复杂性;最后,将该算法应用于网络入侵检测。在KDD Cup99数据集上的实验表明,DTRDE算法比传统的基于信息熵的算法具有更高的检测率,而其计算开销则与传统方法接近。
-
关键词
决策树
粗糙集
信息熵
相对决策熵
属性重要性
入侵检测
-
Keywords
Decision tree
Rough sets
Information entropy
Relative decision entropy
Significance of attributes
Intrusion detection
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于粒度决策熵的属性约简
被引量：5
- 2
-
-
作者
李华
江峰
于旭
杜军威
刘国柱
-
机构
青岛科技大学信息科学与技术学院
-
出处
《计算机与现代化》
2018年第4期7-12,共6页
-
基金
国家自然科学基金资助项目(61402246
61273180)
+2 种基金
山东省自然科学基金资助项目(ZR2011FQ005
ZR2012FL17)
山东省高等学校科技计划项目(J11LG05)
-
文摘
近年来,人们越来越关注粗糙集中的属性约简算法,尤其是启发式的约简算法。为了度量属性重要度,人们把各种不同的信息熵模型应用到粗糙集中,同时在信息熵这一理论的基础上得出了许多约简算法,用来解决粗糙集中属性约简的问题。然而,现有的基于信息熵的方法还存在一系列问题。针对这些问题,本文首先将知识粒度与相对决策熵这2个概念结合在一起,从而引入一种新的信息熵模型——粒度决策熵;然后,利用粒度决策熵来度量属性的重要性,并由此得出新的约简算法——ARGDE约简算法;最后,用不同的UCI数据集来做实验,通过与已有的约简算法比较,该算法能够得到更好的实验结果。
-
关键词
粒度决策熵
相对决策熵
知识粒度
属性约简
粗糙集
-
Keywords
granular decision entropy
relative decision entropy
knowledge granularity
attribute reduction
rough sets
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于相对决策熵与加权相似性的粗糙集数据补齐方法
被引量：5
- 3
-
-
作者
王莎莎
江峰
王文鹏
-
机构
青岛科技大学信息科学与技术学院
青岛科技大学经济与管理学院
-
出处
《计算机科学》
CSCD
北大核心
2014年第2期245-248,共4页
-
基金
国家自然科学基金项目(60802042
61273180)
+3 种基金
山东省自然科学基金项目(ZR2011 FQ005
ZR2010FQ027)
山东省优秀中青年科学家科研奖励基金项目(BS2012ZZ003)
山东省高等学校科技计划项目(J11LG05)资助
-
文摘
现有的基于粗糙集的数据补齐方法在计算任意两个对象之间的相似性时并没有考虑不同条件属性之间的差异性。针对这一问题,引入一种新的加权相似性的概念,并提出一种基于相对决策熵与加权相似性的粗糙集数据补齐算法RDNAWS。RDNAWS算法采用相对决策熵的概念来度量每个条件属性的重要性,并通过计算每个条件属性的重要性以及决策属性集对其的依赖性来为每个条件属性提供一个权值,从而将不同的条件属性有效地区分开来。在真实数据集上的实验表明,与现有的算法相比,所提算法能够获得更好的分类性能。
-
关键词
不完备数据
粗糙集
数据补齐
相对决策熵
加权相似性
-
Keywords
Incomplete data, Rough set, Data completion, Relative decision entropy, Weighted similarity
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于重采样与属性约简的多模态选择性集成学习
被引量：1
- 4
-
-
作者
江峰
李瑞
张友强
杨爱光
-
机构
青岛科技大学信息科学技术学院
-
出处
《计算机工程与设计》
北大核心
2021年第5期1307-1313,共7页
-
基金
国家自然科学基金项目(61973180、61671261)
山东省自然科学基金项目(ZR2018MF007)。
-
文摘
通过对重采样技术和属性约简方法进行研究,提出一种多模态选择性集成学习算法SE_RSAR。采用重采样方法扰乱样本空间,采用一种基于相对决策熵的属性约简方法扰乱特征空间,通过这种多模态的扰乱策略增加个体分类器之间的差异性。实验在多个UCI数据集上完成,KNN算法被用来训练个体分类器。实验结果表明,相对现有的集成学习算法,SE_RSAR算法能够取得更好的分类效果。
-
关键词
选择性集成方法
重采样
相对决策熵
约简
粗糙集
-
Keywords
selective ensemble method
resampling
relative decision entropy
reduction
rough set
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
