粒子群优化支持向量机的入侵检测算法

为了提高网络入侵的检测正确率;针对网络入侵检测中特征选择问题;将二值粒子群优化算法（BPSO）用于网络入侵特征选择;结合支持向量机（SVM）提出了一种基于BPSO-SVM的网络入侵检测算法。该算法将网络入侵检测转化为多分类问题;采用wrapper特征选择模型;以SVM为分类器;通过样本训练分类器;根据分类结果;利用BPSO算法在特征空间中进行全局搜索;选择最优特征集进行分类。实验结果表明;BPSO-SVM有效降低了特征维数;显著提高了网络入侵的检测正确率;还大大缩短了检测时间。