صفورا استوار - دانشگاه آزاد اسلامی واحد قزوین، دانشکده برق- رایانه و فناوری اطلاعات، قزوین، ایران
بابک ناصرشریف - دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده مهندسی برق و کامپیوتر، تهران، ایران

قابلیت اطمینان در تصمیم گیری سیستم های واقعی بازشناسی الگو، مانند سیستم تشخیص نفوذ (IDS)، مسئله ای حیاتی است. فرآیند انتخاب ویژگی و استراتژی های جستجو ویژگی های مرتبط، سبب عملکرد بهتر سیستم های تشخیص نفوذ از هر دو نظر دقت و سرعت می شود. هدف از این مقاله حل مسئله انتخاب زیرمجموعه ای از ویژگی ها با استفاده از جستجوی پراکنده و معیارهای مهمی مانند همبستگی خطی و فاصله درون کلاسی و بین کلاسی به صورت مرحله ای در مسئله طبقه بندی است. نتایج ارزیابی روش پیشنهادی بر روی مجموعه دادگان NSL-KDD نشان می دهد که روش ارائه شده علاوه بر حذف ویژگی های افزونه و بی ارتباط دقت طبقه بندی را حفظ می کند و حتی باعث دقت بیشتر طبقه بندی می شود.

انتخاب ویژگی، طبقه بندی، همبستگی خطی، فاصله درون کلاسی و بین کلاسی، مدل فیلتر