基于元学习和二进制粒子群的网络故障特征选择算法
作者：卫娟 王崇科
摘要：为了降低Wrapper模式网络故障特征选择方法分类算法的计算量,文章提出了一种基于元学习和二进制粒子群（ML-BPSO）的特征选择方法;算法在封装的分类训练中采用元学习方法估算分类精度,并利用BPSO在特征空间中进行全局搜索选出最优特征集;在DARPA数据集上的实验可以看出本文方法选取结果与BPSO-SVM相当但是计算量大大降低;实验结果表明文章提出的方法能够显著的降低网络故障特征选择计算量,同时保证了较高的诊断精度和较好的降维效果.
分类：
- 期刊
- >
- 自然科学与工程技术
- >
- 信息科技
- >
- 自动化技术
收录：
- SA 科学文摘(英)
- 剑桥科学文摘
- 国家图书馆馆藏
- 上海图书馆馆藏
- 知网收录(中)
- 维普收录(中)
- 万方收录(中)
- 统计源期刊(中国科技论文优秀期刊)
关键词：
- 元学习
- 二进制粒子群
- 支持向量机
- 特征选择
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
