论文部分内容阅读
提出了一种构建轻量级的IP流分类器的wrapper型特征选择算法MRMHC—LSVM。该算法采用改进的随机变异爬山(MRMHc)搜索策略对特征子集空间进行随机搜索,然后利用提供的数据在无约束优化线性支持向量机(LSVM)上的分类错误率作为特征子集的评价标准来获取最优特征子集。在IP流数据集上进行了大量的实验,实验结果表明基于MRMHC-LSVM的流分类器在不影响分类准确度的情况下能够提高检测速度,与当前典型的流分类器NBK-FCBF相比,基于MRMHC—LSVM的妒流分类器具有更小的计算复杂度与更高的检测