基于信息增益和粗糙集的入侵检测方法

发布时间：2024-02-29 17:40

　　传统的随机森林在网络入侵检测中收敛速度慢,并且学习性能不够完善。为消除原始入侵检测数据中的冗余信息,提出一种基于信息增益和粗糙集的随机森林入侵检测方法。使用信息增益对数据的各个属性进行相关分析,删除冗余属性,减小属性简约的时间复杂度;利用粗糙集理论从数据中提取分明函数,求得属性简约;使用随机森林分类器进行分类。实验结果表明,该方法收敛速度较快,在召回率和精度方面都要高于传统的随机森林方法,尤其是在训练样本充足的网络环境下,效果更加明显。

【文章页数】：6 页

【文章目录】：
0 引 言
1 模型架构设计
2 算法设计
    2.1 熵与信息增益
    2.2 粗糙集理论
    2.3 IG和RST相结合的属性简约方法
    2.4 随机森林
3 实验结果与分析
4 结 语



本文编号：3914691