基于元学习和二进制粒子群的网络故障特征选择算法

来源：计算机测量与控制杂志2015年第1期北京时间：

作者：卫娟,王崇科

摘要：为了降低Wrapper模式网络故障特征选择方法分类算法的计算量,文章提出了一种基于元学习和二进制粒子群(ML-BPSO)的特征选择方法；算法在封装的分类训练中采用元学习方法估算分类精度,并利用BPSO在特征空间中进行全局搜索选出最优特征集；在DARPA数据集上的实验可以看出本文方法选取结果与BPSO-SVM相当但是计算量大大降低；实验结果表明文章提出的方法能够显著的降低网络故障特征选择计算量,同时保证了较高的诊断精度和较好的降维效果。

关键词：元学习;二进制粒子群;支持向量机;特征选择

基金资助：河南省高等学校青年骨干教师资助计划(2011GGJS-198)；河南省教育厅科学技术研究重点项目(13A520221)。