Key points are not available for this paper at this time.
تسببت الميزات الزائدة وغير ذات الصلة في البيانات في مشكلة طويلة الأمد في تصنيف حركة الشبكة. هذه الميزات لا تبطئ فقط عملية التصنيف ولكنها تمنع أيضًا المُصنف من اتخاذ قرارات دقيقة، خاصة عند التعامل مع البيانات الكبيرة. في هذه الورقة، نقترح خوارزمية تعتمد على المعلومات المشتركة التي تختار بشكل تحليلي الميزة المثلى للتصنيف. يمكن أن تتعامل هذه الخوارزمية لاختيار الميزات بناءً على المعلومات المشتركة مع الميزات الخطية وغير الخطية المعتمدة على البيانات. تم تقييم فعاليتها في حالات كشف التسلل للشبكة. تم بناء نظام كشف التسلل (IDS)، يسمى نظام IDS المعتمد على آلة دعم المتجهات ذات المربعات الصغرى (LSSVM-IDS)، باستخدام الميزات التي اختارها خوارزمية اختيار الميزات المقترحة لدينا. تم تقييم أداء LSSVM-IDS باستخدام ثلاث مجموعات بيانات لتقييم كشف التسلل، وهي مجموعة بيانات KDD Cup 99 و NSL-KDD و Kyoto 2006+. تظهر نتائج التقييم أن خوارزمية اختيار الميزات الخاصة بنا تسهم في ميزات أكثر أهمية لـ LSSVM-IDS لتحقيق دقة أفضل وتكاليف حسابية أقل مقارنة بأحدث الأساليب.
Ambusaidi et al. (Wed,) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: