结合XGBoost的树突状细胞改进算法

作者：杨晨; 梁意文; 谭成予; 周雯

来源：计算机工程, 2019, 45(09): 194-203.

DOI：10.19678/j.issn.1000-3428.0052044

• 树突状细胞算法
• XGBoost算法
• 决策树
• 特征提取
• 计算机免疫

树突状细胞算法(DCA)要求输入3类信号,需要通过人工选取或统计学等方式提前进行特征提取。为准确、高效地提取特征,提出一种基于XGBoost的DCA。通过使用XGBoost算法迭代生成决策树,根据决策树的特征节点对数据集的特征指标进行提取与分类,并作为DCA的信号输入以实现算法优化。使用KDD99数据集进行实验,结果表明,与基于粗糙集的改进算法相比,该算法的准确率更高,最高可达0.859 00。