基于相对决策嫡的决策树算法及其在入侵检测中的应用

为了弥补传统决策树算法的不足，提出一种基于相对决策墒的决策树算法dtrde。首先，将shannon提出的信息嫡引入到粗糙集理论中，定义一个相对决策嫡的概念，并利用相对决策嫡来度量属性的重要性;其次，在算法dtrde中，采用基于相对决策墒的属性重要性以及粗糙集中的属性依赖性来选择分离属性，并且利用粗糙集中的属性约简技术来删除冗余的属性，旨在降低算法的计算复杂性;最后，将该算法应用于网络入侵检测。在kddcup99数据集上的实验表明，dtrde算法比传统的基于信息嫡的算法具有更高的检测率，而其计算开销则与传统方法接近。