Dimension Reduction Features based on Principal Component Analysis in Intrusion Detection Systems
- سال انتشار: 1395
- محل انتشار: اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر
- کد COI اختصاصی: CBCONF01_0271
- زبان مقاله: انگلیسی
- تعداد مشاهده: 613
نویسندگان
Department of Computer Khouzestan Science and Research Branch, Islamic Azad University Ahvaz, Iran
Mohamadreza Norimehr Department of Computer Khouzestan Science and Research Branch, Islamic Azad University Ahvaz, Iran
چکیده
In this paper a new hybrid algorithm PCA-MLP (principal component analysis - Multilayer Perceptron Neural Network) proposed. The PCA transform used to reduce the feature and trained neural network is used to identify the any kinds of new attacks. Test and comparison are done on NSL-KDD dataset. the experiments on NSL-KDD data demonstrate that our proposed with a 36% reduction feature space and the detection rate of 87.65%, better than the same algorithm.کلیدواژه ها
Principal component analysis, dimensionality reduction, neural network, NSL-KDDمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.