TY - JOUR A2 - Garg, Harish AU - Aljanabi, Mohammad AU - Ismail, Mohd Arfian AU - Mezhuyev改进的TLBO-JAYA算法用于入侵检测系统的子集特征选择和参数优化SP - 5287684 VL - 2020 AB -许多基于优化的入侵检测算法已经被开发出来，并被广泛应用于入侵识别。这是由于审计数据特征数量的增加，以及基于人的智能入侵检测系统在分类准确率、误报率和分类时间方面的性能下降造成的。特征选择和分类器参数调整是影响入侵检测系统性能的重要因素。本文提出了一种改进的多类入侵检测算法，并对其进行了详细讨论。该方法结合了改进的基于教学优化(ITLBO)算法、改进的并行JAYA (IPJAYA)算法和支持向量机。采用ITLBO结合有监督机器学习(ML)技术进行特征子集选择(FSS)。在不影响结果精度的前提下选择最少的特征是一个多目标优化问题。这项工作提出ITLBO作为一种FSS机制，并探索了其算法特定的、无参数的概念(优化期间不需要参数调优)。本研究使用IPJAYA更新支持向量机(SVM)的C和gamma参数。 Several experiments were performed on the prominent intrusion ML dataset, where significant enhancements were observed with the suggested ITLBO-IPJAYA-SVM algorithm compared with the classical TLBO and JAYA algorithms. SN - 1076-2787 UR - https://doi.org/10.1155/2020/5287684 DO - 10.1155/2020/5287684 JF - Complexity PB - Hindawi KW - ER -