原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于随机森林和RFE的组合特征选择的研究
傅昊，徐国胜
北京邮电大学信患安全中心，北京，100876
Feature
摘要：本文主要采取随机森林(Random．Forest)和RFE(ReeursiveElimination)相结合的组合特征选
择方法从原始数据集得到最优特征子集，然后将其应用到基于支持向量机(Support
统中训练模型对未知样本预测。本文主要基于KDD-CUP99数据来研究选择哪些特征，实验结果表明与一般方法
构建的入侵检测系统相比，本文采取组合模式构建的入侵检测系统的效率和分类准确率都比较理想。
关键词：入侵检测；特征选择；Random-Forest；RFE；支持向量机
中图分类号：TP391
TheResearchofCombinedFeatureSelectionBased
onRandomForestandRFE
Fu
Hao，XuGuosheng
Postsand
of TelecommunicationsInformation
University
Beijing SecurityCenter，Beijing，100876
Abstract：This thecombinedfemureselectionmethodbasedontheRandom-Forestand
papermainlyadopts RrE(Re·
cursiveFeature obtainthe featuresubsetfromthe data then tointrusion
Elimination)tooptimal originalset，and applied
detectionbasedon trainthemodel to theunknowll is
SVM(Support—Vector-Machine)tosystempredict samples．Thispaper
with
basedontheKDD—CUP99datato thechoice resultsshowthat the
offeature，the
mainly study experimental compared
of detection andtheclassificationof
method intrusion intrusiondetection
general constructing system，theefficiency system—
combinedmodel are
ideal．
accuracy
Keywords：Intrusiondetection；Feature
入侵检测系统…根据所使用的技术可以分为误用
1引言 检测(即特征检测)和异常检测(建立正常行为的模
型)两种。常用的入侵检测系
文档评论（0）