粗糙集属性约简的极限学习机网络入侵检测算法

• 作者: 周棒棒 唐勇 陈远毅 马天雨 魏书宁
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 数据冗余 粗糙集正域 粗糙集分辨矩阵 极限学习机 入侵检测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 计算与测试
• 页码范围: 122-125
• 页数: 4页
• 分类号: TP391
• 字数: 3536字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2019)01-0122-04

摘要

针对网络入侵数据量大、属性冗余及属性之间线性相关导致分类算法计算速度慢、准确度不高等问题,提出一种改进粗糙集属性约简的极限学习机网络入侵分类算法.对训练集采用粗糙集正域和分辨矩阵相结合的方法获得属性核,筛选出只有属性核的数据集得到无冗余属性的特征集合;使用极限学习机(ELM)作为分类模型进行分类,使用支持向量机(SVM)、神经网络、极限学习机比较证明提出方法的有效性,为网络入侵检测提供一种新的解决方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐勇	国防科学技术大学计算机学院	12	170	6.0	12.0
2	马天雨	湖南师范大学物理与信息科学学院物联网技术及应用重点实验室	10	18	3.0	4.0
3	魏书宁	湖南师范大学物理与信息科学学院物联网技术及应用重点实验室	7	34	4.0	5.0
4	周棒棒	湖南师范大学物理与信息科学学院物联网技术及应用重点实验室	2	18	2.0	2.0
5	陈远毅	湖南师范大学物理与信息科学学院物联网技术及应用重点实验室	3	23	3.0	3.0