基于多目标二进制蝙蝠算法的特征选择及分类

可在www.sciencedirect.com在线获取ScienceDirect未来计算和信息学杂志3（2018）29e40http://www.journals.elsevier.com/future-computing-and-informatics-journal/基于多目标二进制bat算法塔哈湾Mohameda，*，Hossam M.莫夫塔湾a埃及赫勒万大学计算机和信息学院b埃及Beni Suef大学计算机和信息学院接收日期：2017年10月26日;接受日期：2017年11月14日2017年12月23日在线发布摘要在本文中，我们提出了一种新的多目标二进制蝙蝠算法的同时排名和选择的动态特性。该算法使用V形二值化函数。仿真结果表明，该算法能够有效地识别数据集中最重要的特征。在这三个特征类中，按键保持时间特征（H-特征）被证明是最主要的特征。与在分类中选择所有特征相比，在分类中仅使用H特征将均方误差（MSE）降低了2%。UD特征是排名第二的特征。最差的特征是DD特征，其在分类过程中单独使用结果使用两个分类器进行比较;线性和二次分类器。二次分类器优于线性分类器的均方误差（MSE）和选择的特征的平均数量。Copyright© 2017埃及未来大学计算机与信息技术学院由爱思唯尔公司制作和主持这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：特征选择;多目标蝙蝠算法;击键动力学特征1. 介绍击键动力学是指通过使用键盘、移动电话或触摸屏面板来测量和评估人类打字节奏的过程。指纹动态可以被认为是一种生物特征，例如包括指纹、面部和虹膜的其他生物特征。此外，可使用这些数据来预测关于打字员的一些重要信息，例如人的年龄[1，2]。冒名顶替者尝试使用受损的密码进行身份验证可以被检测到并被拒绝，因为他们的打字节奏与真正用户的打字节奏明显不同[3]。* 通讯作者。电子邮件地址：Tahamahdy3000@yahoo.com（T.M.Mohamed），hossamm@gmail.com（H.M. Moftah）。同行审查，由埃及未来大学计算机和信息技术系负责。生物识别技术是经济的，可以很容易地集成到现有的计算机安全系统，以最小的用户干预，以增加密码的强度。当密码与加密时间相结合时，为拥有用户明文密码的攻击者增加了新的难度。使用的优势是独特的，低实现，部署成本，和非侵入性的动态。而且，使用非线性动力学不需要任何新硬件的额外成本。许多现有的生物识别技术，如虹膜或指纹识别，只有当要认证或验证的人是物理可访问的时才有效。然而，验证动态不依赖于待验证的人然而，使用非线性节律遭受低准确性和低性能[1，4，5]。门禁系统的欧洲标准规定误报率低于1%，漏报率不超过0.001%。目前这些https://doi.org/10.1016/j.fcij.2017.11.0052314-7288/Copyright© 2017埃及未来大学计算机与信息技术学院。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。30T.M. 穆罕默德Moftah/Future Computing and Informatics Journal 3（2018）29e 40不准确[3]。这些缺陷的一些可能原因可能与所使用的分类器、所使用的特征、测量不准确性以及许多其他因素有关。我们认为，确定最重要的特征的动态被认为是一个重要的步骤，符合安全标准的约束。与其他成熟的生物特征识别技术相比，动态识别技术还处于非常早期的阶段[4]。特征约简过程是避免噪声、误导或不相关特征的必要步骤。在机器学习中，属性约简的主要目的是降低特征空间的维数，提高分类算法的预测精度[6]。蝙蝠算法是一种新的元启发式算法，可用于特征选择过程[8]。提出了一种新的多目标二进制蝙蝠算法，用于同时排序和选择的动态特征。本文其余部分的组织如下;在第2节中，解释了必要的背景。文献综述见第3节。第四节介绍和解释了拟议的出租权。在第5节中，给出了实验结果并进行了讨论。本文件在第6节结束。2. 背景在本节中，我们将回顾我们将在整个论文中使用的动态数据集的必要背景，然后解释原始的蝙蝠算法。2.1. 数据集最著名、最可靠的海洋动力学数据集之一是DSN数据集[3]。该数据集被认为是客观评估生物计量算法的良好基准[4]。参考文献[3]中的作者收集了数据，并对数据集上的14个不同分类器进行了评估。该数据集可在线获取[7]。在本文中，所提出的算法应用于该数据集。该数据集由51个输入特定密码的受试者（打字员）组成。每个受试者在不同的测试条件下输入400次密码。因此，病例总数为20，400例。该数据集包括31个特征，描述了键入的密码（“.tie5Roanl”）。此密码包含大写字母、小写字母、数字和特殊字符。输入密码后按回车键[7]。对于中的每个字符，密码、按键按下时间（H Time）、按键按下时间（DDTime）、从一个按键被释放到另一个按键被按下的时间（UD Time）以秒为单位测量。在本文中，我们将命名这些fea-特征分别为H特征、DD特征和UD特征。注意，所有这些特征的值都非常小（秒的分数）。表1显示了DSN数据集的不同特征。我们为每个功能提供了一个焦vi- ation供以后使用。例如第四表1使用的击键特征符号缩写特征缩写特征F1H.periodF17DD.Shift.r.oF2DD.period.tF18UD.Shift.r.oF3UD.period.tF19卫生组织F4H.TF20DD.o.aF5DD.t.iF21UD.o.aF6UD.t.iF22H.aF7艾滋F23DD.a.nF8DD.即F24UD.a.nF9UD.即F25H.NF10阁下F26DD.n.lF11DD.e.fiveF27UD.n.lF12UD.e.fiveF28H.LF13H.fiveF29DD.l.ReturnF14DD. 5.轮班rF30UD.l.ReturnF15UD. 5.Shift.rF31H.ReturnF16H.移位r特征，缩写为F4，表示字母“t”的保持时间。如表中所示，所有特征都是H、UD或DD特征类型。到目前为止，对该数据集和其他数据集执行的大部分工作都集中在评估不同的分类器（检测器）上，而不是评估数据集本身。也就是说，最重要和最相关的特征没有被识别。据我们所知，没有进行任何研究来评估和排名，这些数据集的特征。2.2. 原始的蝙蝠算法蝙蝠是唯一有翅膀的哺乳动物。它们是令人着迷的动物。它们还具有先进的回声定位能力。大多数蝙蝠在一定程度上使用回声定位;在所有物种中，微型蝙蝠广泛使用回声定位。微型蝙蝠使用一种叫做回声定位的声纳来探测猎物，在黑暗中避开障碍物。这些蝙蝠发出非常响亮的声音脉冲，并倾听从周围物体反弹回来的回声[8]。蝙蝠算法可以描述如下[8]：● 所有蝙蝠的位置都是随机的。● 蝙蝠在位置xi以速度vi 随 机飞行，具有固定的频率fmin， 变化 的 波长l 和 响度 A0 以 搜索 猎物 （ 最 优解）。脉冲发射的频率和速率rε[0，1]根据目标的接近度来调整。响度从大的（正的）A0变化到最小的常数值Amin.● 重复该过程，直到找到最优解。蝙蝠算法在许多优化领域的性能优于其他元启发式算法，如PSO和GA。因此，蝙蝠算法，并修改，在本文中选择和排名，DSN数据集的功能。●●T.M. 穆罕默德Moftah/Future Computing and Informatics Journal 3（2018）29e 4031我我ð Þð ð ÞÞ我.p我2.K我我我我我我ð Þð Þ. . x

下载后可阅读完整内容，剩余1页未读，立即下载