基于特征选择和SVM参数同步优化的网络入侵检测

特征选择(FeatureSelection)也称特征子集选择(FeatureSubsetSelection,FSS)，或属性选择(AttributeSelection)。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。