基于LUS-PSO权重优化的入侵检测技术研究

摘要

机器学习中,多个分类器的组合称为集成分类器,此方法优于单个分类器。特定数据集找到合适的集成配置仍然是非常困难。基于这个问题,提出LUS-PSO权重优化的方法,使用粒子群算法生成的权重,进而生成更加准确的分类器集合。然后局部单峰采样方法作为元优化器,查找粒子群算法更好的行为参数。集成学习的分类器由该方法和加权多数投票共同决定的。实验结果表明,该检测模型生成的分类器在分类准确率方面更优。