基于自适应遗传算法的混合特征选择方法

摘要

高维数据含有大量冗余和噪音特征影响检测效果,维度过高使得系统训练时间长、实时性差.采用卡方(Chi Square)过滤算法,删除冗余和相关性低的特征;采用LightGBM算法作为封装方法组成混合特征选择算法,通过自适应遗传算法进行搜索获取最优特征子集.在入侵检测KDDCUP99数据集上进行3种算法的对比验证.实验结果表明,该方法具有较好的检测效果和特征约减能力.