[发明专利]一种基于杜鹃搜索算法的对等网络流量特征选择方法

摘要

本发明公开了一种基于杜鹃搜索算法的对等网络流量特征选择方法，通过利用杜鹃搜索算法对对等网络流量特征选择问题优化求解，从而可以快速的获得对等网络流量本质属性的最优特征子集，可用于对等网络流量识别和模式识别相关技术领域中。本发明能够在可接受的时间代价内找到特征选择问题的高质量的可行解，不需要人为指定要选择的特征维数，能够智能的在正确识别率和特征维数之间取得很好的平衡，自动寻找到比较合适的最优特征子集。本发明利用杜鹃搜索算法对对等网络中原始数据集进行特征选择，剔除不相关或冗余的对等网络流量特征，取出真正相关的特征，节省对等网络流量识别中特征提取的计算时间，从而提高对等网络流量识别的效率和正确率。

主权项

一种基于杜鹃搜索算法的对等网络流量特征选择方法，其特征在于，包括以下步骤：步骤1：对获取的网络数据包进行预处理并提取网络流量特征，对网络流量特征进行归一化处理，得到原始特征样本集，所述的原始特征样本集作为输入数据集；步骤2：将输入数据集作为完整的特征空间输入到特征选择算法中；步骤3：初始化杜鹃搜索算法所需的参数，得到算法的初始种群；步骤4：将杜鹃搜索算法中鸟巢的初始空间位置向量解码成相应的特征子集，利用适应度评价函数计算得到每个特征子集的适应度函数值，比较每个鸟巢的适应度函数值，记录并保留当前最优鸟巢位置为A；步骤5：通过杜鹃搜索算法中的位置更新公式更新鸟巢的位置，得到一组新解并计算其适应度函数值，比较这组解的适应度函数值并记其具有最优适应度函数值的位置为B；步骤6：用随机数r∈[0,1]与鸟巢的主人发现外来的鸟蛋概率p_a对比，并判断：若r>p_a，则通过列维飞行随机改变鸟巢位置，得到一组新的鸟巢位置，并计算其适应度函数值，比较这组解的适应度函数值并记其具有最优适应度函数值的位置为C；若r≤p_a，则顺序执行下述步骤7；步骤7：将位置B和C的适应度函数值与上一代当前最优鸟巢位置A的适应度函数值进行对比，若更好，则将其作为当前的最优鸟巢位置A；步骤8：判断，是否满足终止条件若否，则回转执行所述的步骤5；若是，则解码并输出全局最优鸟巢位置对应的最优特征子集。