欺诈网页检测中基于遗传算法的特征优选

• 作者: 张真诚 朱焱 王嘉卿 陈同孝
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 特征选择 遗传算法 信息增益 随机森林算法 欺诈网页检测
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 应用前沿、交叉与综合
• 页码范围: 295-299
• 页数: 5页
• 分类号: TP181|TP393.092
• 字数: 6056字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017061560

摘要

针对网页欺诈检测中特征的高维、冗余问题,提出一个基于信息增益和遗传算法的改进特征选择算法(IFS-BIGGA).首先,通过信息增益(IG)给出特征重要性排序,设定动态阈值减少冗余特征;其次,改进遗传算法(GA)中染色体编码函数和选择算子,并结合随机森林(RF)的受试者工作特征曲线面积(AUC)作为适应度函数,选择高辨识度特征;最后,增加实验迭代次数避免算法随机性,产生最佳最小的特征集合(OMFS).实验验证表明,应用IFS-BIGGA生成的OMFS与高维特征集合相比,尽管RF下的AUC减小了2％,但是真阳性率(TPR)提高了21％,并且特征维度减少了92％;同时多个常用分类器的平均检测时间减少了83％;另外,IFS-BIGGA的FI值相比传统的遗传算法(TGA)和帝国主义竞争算法(ICA)分别提高了4.2％和3.5％.实验结果表明,IFS-BIGGA可以进行高效特征降维,在实际的网页检测工程中,有效减少计算代价,提高检测效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱焱	西南交通大学信息科学与技术学院	33	248	8.0	14.0
2	王嘉卿	西南交通大学信息科学与技术学院	1	8	1.0	1.0