research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
A Multi-Objective Evolutionary Algorithm based Feature Selection for Intrusion Detection
اختيار الميزة المعتمد على الخوارزمية التطورية متعددة الاهداف لكشف التطفل

Authors: Dhuha I. Mahmood ضحى عماد محمود --- Sarab M. Hameed سراب مجيد حميد
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2017 Volume: 58 Issue: 1C Pages: 536-549
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Nowad ays, with the development of internet communication that provides many facilities to the user leads in turn to growing unauthorized access. As a result, intrusion detection system (IDS) becomes necessary to provide a high level of security for huge amount of information transferred in the network to protect them from threats. One of the main challenges for IDS is the high dimensionality of the feature space and how the relevant features to distinguish the normal network traffic from attack network are selected. In this paper, multi-objective evolutionary algorithm with decomposition (MOEA/D) and MOEA/D with the injection of a proposed local search operator are adopted to solve the Multi-objective optimization (MOO) followed by Naïve Bayes (NB) classifier for classification purpose and judging the ability of the proposed models to distinguish between attack network traffic and normal network traffic. The performance of the proposed models is evaluated against two baseline models feature vitality based reduction method (FVBRM) and NB. The experiments on network security laboratory-knowledge discovery and data mining (NSL-KDD) benchmark dataset ensure the ability of the proposed MOO based models to select an optimal subset of features that has a higher discriminatory power for discriminating attack from normal over the baselines models. Furthermore, the proposed local search operator ensures its ability to harness the performance of MOO model through achieving an obvious feature reduction on average from 16.83 features to 8.54 features (i.e., approximately 50%) in addition to the increase in NB classifier accuracy from 98.829 to 98.859 and detection rate from 98.906 to 99.043.

في الوقت الحاضر، مع تطور الاتصالات عبر الانترنيت والتي تقدم العديد من التسهيلات للمستخدم يؤدي ذلك بدوره الى تزايد الوصول غير المصرح به. ونتيجة لذلك، اصبح نظام كشف التطفل ضروري لتوفير مستوى عالي من الأمن لكمية كبيرة من المعلومات المنقولة في الشبكة لحمايتها من التهديدات. واحدة من التحديات الرئيسية لكشف التطفل هي الأبعاد العالية من فضاء الميزة وكيفية تحديد الميزات ذات الصلة لتمييز حركة المرور الطبيعية على الشبكة من الهجوم. في هذا البحث، اعتمدت الخوارزمية التطورية متعددة الاهداف مع التحلل (MOEA/D) و (MOEA/D) مع حقن مشغل البحث المحلي المقترح لحل مشكلة امثلية تعدد الاهداف يليه المصنف نيف بايز (NB) لغرض التصنيف والحكم على قدرة النماذج المقترحة للتمييز بين حركة المرور الطبيعية على الشبكة من الهجوم. اداء النماذج المقترحة تم تقييمه بالمقارنة مع نموذجين من النماذج الاساسية وهي (FVBRM) و NB. تضمن التجارب على البيانات القياسية (NSL-KDD) قدرة النماذج المقترحة المعتمدة على امثلية تعدد الاهداف على اختيار امثل مجموعة فرعية من الميزات التي لديها اعلى طاقة تمييزية لتمييز الهجوم من الطبيعي بالمقارنة مع النماذج الاساسية. وعلاوة على ذلك، ان مشغل البحث المحلي المقترح يضمن قدرته على الاستفادة من اداء نموذج امثلية تعدد الاهداف الذي حقق تقليل واضح للميزات بمعدل من 16.83 الى 8.54 ميزة (اي مايقارب %50) بالأضافة الى زيادة دقة مصنف نيف بايز (NB) من 98.829 الى 98.859 ومعدل الكشف من 98.906 الى 99.043.


Article
Proposed Handwriting Arabic Words classification Based On Discrete Wavelet Transform and Support Vector Machine
مقترح مصنف للكلمات العربية المكتوبة بخط اليد بالاعتماد على تقنية محول المويجات المتقطعة ( ( DWTوآلة داعم المتجهات SVM

Authors: Alia Karim Abdul Hassan علياء كريم عبد الحسن --- Mohammed Alawi محمد علاوي عباس
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2017 Volume: 58 Issue: 2C Pages: 1159-1168
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

A proposed feature extraction algorithm for handwriting Arabic words. The proposed method uses a 4 levels discrete wavelet transform (DWT) on binary image. sliding window on wavelet space and computes the stander derivation for each window. The extracted features were classified with multiple Support Vector Machine (SVM) classifiers. The proposed method simulated with a proposed data set from different writers. The experimental results of the simulation show 94.44% recognition rate.

تم اقتراح خوارزمية لاستخراج الصفات من الكلمات العربية المكتوبة بخط اليد. تستخدم الطريقة المقترحة التحويل الموجي (DWT) على الصورة ثنائية، بعد ذلك تم مسح الصورة ذات التحويل الموجي باستخدام نافذة ، ومن ثم يتم حساب قيمة الانحراف المعياري لكل نافذة . تم تصنيف الميزات المستخرجة بواسطة المصنفات SVMs . تم اقتراح قاعدة بيانات جديدة كتبت من قبل عدد مختلف من الكتاب .وهذة القاعدة تم استخدامها لاختبار العمل القترح وان النتائج التجريبية للنظام اظهرت معدل تميز 94.44٪.


Article
Diagnosis the Breast Cancer using Bayesian Rough Set Classifier
تشخيص سرطان الثدي باستخدام نظرية التصنيف Bayesian Rough Set

Authors: Marwa A. Shihab مروة احمد شهاب --- Ayad R. Abbas أياد روضان عباس
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2017 Volume: 58 Issue: 1B Pages: 302-308
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Breast cancer was one of the most common reasons for death among the women in the world. Limited awareness of the seriousness of this disease, shortage number of specialists in hospitals and waiting the diagnostic for a long period time that might increase the probability of expansion the injury cases. Consequently, various machine learning techniques have been formulated to decrease the time taken of decision making for diagnoses the breast cancer and that might minimize the mortality rate. The proposed system consists of two phases. Firstly, data pre-processing (data cleaning, selection) of the data mining are used in the breast cancer dataset taken from the University of California, Irvine machine learning repository in this stage we modified the Correlation Feature Selection (CFS) with Best First Search (BFS) established on the Discriminant Index (DI) so as to reduce the complexity of time and get high accuracy. Secondly, Bayesian Rough Set (BRS) classifier is applied to predict the breast cancer and help the inexperienced doctors to make decisions without need the direct discussion with the specialist doctors. The result of experiments showed the proposed system give high accuracy with less time of predication the disease.

ان سرطان الثدي واحد من الاسباب الاكثر شيوعا للموت بين النساء في العالم. ان قلة الوعي بخطورة هذا المرض وقلة عدد الاختصاصين في هذا المجال,كذلك الانتظارلوقت طويل لأجل الحصول على نتائج التشخيص ادى لزيادة حالات الاصابة. نتيجة لذلك, استخدمت العديد من تقنيات تعليم الماكنة لتقليل الوقت اللازم لاتخاذ القرار, ذلك قد يساهم تقليل حالات الوفاة. هذا البحث يقدم نظام مقترح والذي يتكون من مرحلتين اعتمادا على بيانات التي تم الحصول عليها من مستودع تعليم الالة جامعة كاليفورنيا في ايرفين. اولا معالجة البيانات (تنظيف البيانات واختيار الخصائص التي تؤثر على اتخاذ القرار) وفي هذة المرحلة تم تطوير نموذج اختيار الخصائص المرتبطة CFS مع استخدام خوارزمية البحث الاستدلاليBFS استنادا الى مؤشر التمايزDI من اجل تقليل الوقت وزيادة الدقة بالتشخيص. ثانيا استخدام طريقةBRS وهي طريقة مطورة استخدمت لتشخيص سرطان الثدي ومساعدة الأطباء المبتدئين في اتخاذ القرار دون الحاجة الى التشاور المباشر مع الاخصائيين. اظهرت نتائج التجربية ان النظام المقترح يعطي دقة عالية بأقل وقت ممكن لتشخيص المرض.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

English (2)


Year
From To Submit

2017 (3)