基于相对决策熵的决策树算法及其在入侵检测中的应用

被引：14

作者：

江峰 ^{[1
]}

王春平 ^{[2
]}

曾惠芬 ^{[3
]}

机构：

[1] 青岛科技大学信息科学与技术学院

[2] 浙江工业大学计算机科学与技术学院

[3] 九江职业技术学院

来源：

计算机科学 | 2012年 / 39卷 / 04期

关键词：

决策树; 粗糙集; 信息熵; 相对决策熵; 属性重要性; 入侵检测;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP393.08 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0839 ; 1402 ;

摘要：

为了弥补传统决策树算法的不足,提出一种基于相对决策熵的决策树算法DTRDE。首先,将Shannon提出的信息熵引入到粗糙集理论中,定义一个相对决策熵的概念,并利用相对决策熵来度量属性的重要性;其次,在算法DTRDE中,采用基于相对决策熵的属性重要性以及粗糙集中的属性依赖性来选择分离属性,并且利用粗糙集中的属性约简技术来删除冗余的属性,旨在降低算法的计算复杂性;最后,将该算法应用于网络入侵检测。在KDD Cup99数据集上的实验表明,DTRDE算法比传统的基于信息熵的算法具有更高的检测率,而其计算开销则与传统方法接近。

引用

页码：223 / 226

页数：4

共 11 条

[1] 基于粒子群优化和邻域约简的入侵检测日志数据特征选择 [J].