论文部分内容阅读
群智能中的每个个体产生一个特征子集,结合支持向量机(SVM)使用该特征子集所对应的数据集进行分类,正确分类结果作为该个体的适应度,通过群智能的优化搜索实现最优入侵特征选择。其中群智能主要采用粒子群算法和蚁群算法,支持向量机采用基于粒度的网格搜索策略获得最优参数。最后以KDD99数据集进行验证,结果表明基于群智能的网络入侵特征选择方法能有效降低虚警率,提高检测精度。