基于改進多因子優(yōu)化蝙蝠算法的網(wǎng)絡(luò)入侵檢測方法

摘要： 針對高維網(wǎng)絡(luò)數(shù)據(jù)存在大量冗余和不相關(guān)的特征導(dǎo)致入侵檢測準(zhǔn)確率低的問題，提出了一種改進的多因子優(yōu)化蝙蝠算法(IMFBA)用于數(shù)據(jù)特征選擇，篩選出具有最大信息量的特征子集，提高網(wǎng)絡(luò)入侵檢測精度。首先，在多因子優(yōu)化框架下設(shè)計全局特征選擇任務(wù)和局部特征選擇任務(wù)，并通過基于蝙蝠算法所設(shè)計的選型交配和垂直文化傳播算子實現(xiàn)不同任務(wù)間的信息共享，從而幫助全局特征選擇任務(wù)更快鎖定最優(yōu)解空間，提高... （共10頁）