Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
MITIGATE: A Dynamic Supply Chain Cyber Risk Assessment Methodology Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

A Hybrid Community Based Rough Set Feature Selection Technique in Android Malware Detection

verfasst von : Abhishek Bhattacharya, Radha Tamal Goswami

Erschienen in: Smart Trends in Systems, Security and Sustainability

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Feature selection is the process of grouping most significant set of features which reduces dimensionality and generates most analytical result. Choosing relevant attributes are a critical issue for competitive classifiers and for data reduction also. This work proposes a hybrid feature selection technique based on Rough Set Quick Reduct algorithm with Community Detection scheme. The proposed technique is applied in Android malware detection domain and compared with the performances of existing feature selectors. It produces highest average classification accuracy of 97.88% and average ROC values up to 0.987.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Enhance the Data Security in Cloud Computing by Text Steganography
Nächstes Kapitel Natural Language Interface for Ontology in Agriculture Domain
Literatur
1.
Hassanien, A.E., Tolba, M., Azar, A.T.: Advanced machine learning technologies and applications, Communications in Computer and Information Science, vol. 488, Springer, GmbH, Berlin/Heidelberg (2014). ISBN: 978–3-319-13460-4
2.
Hu, Q.H., Yu, D.R., Xie, Z.X.: Information-preserving hybrid data reduction based on fuzzy-rough techniques. Pattern Recognit. Lett. 27(5), 414–423 (2006)CrossRef
3.
Baumgarten, M.M.D., Mulvenna, M.D., Rooney, N., Reid, J.: Keyword-based sentiment mining using twitter. Int. J. Ambient Comput. Intell. (IJACI) 5(2), 56–69 (2013)
4.
Swiniarski, R.W., Skowron, A.: Rough set methods in feature selection and recognition. Pattern Recogn. Lett. 24, 833–849 (2003)CrossRefMATH
5.
Li, J., Wang, X., Xu, S.: Prediction of customer classification based on rough set theory. Procedia Eng. 7, 366–370 (2010)CrossRef
6.
Chakhar, S., Saad, I.: Dominance-based rough set approach for groups in multicriteria classification problems. Decis. Support Syst. 54, 372–380 (2012)CrossRef
7.
Kadzinski, M., Greco, S., Slowinski, R.: Robust ordinal regression for dominance-based rough set approach to multiple criteria sorting. Inf. Sci. 83, 211–228 (2014)MathSciNetCrossRefMATH
8.
Zhang, N., Yao, J.T.: A rough sets based approach to feature selection. In: Proceedings of the International Conference of the North American Fuzzy Information Processing Society, pp. 434–439 (2004)
9.
Zhong, N., Dong, J.: Using rough sets with heuristics for feature selection. J. Intell. Inf. Syst. 16, 199–214 (2001)CrossRefMATH
10.
Meher, S.K.: Explicit rough-fuzzy pattern classification model. Pattern Recogn. Lett. 36, 54–61 (2014)CrossRef
11.
Inbarani, H.H., Azar, T.A., Jothi, G.: Supervised hybrid feature selection based on PSO and rough sets for medical diagnosis. Comput. Methods Programs Biomed. 113, 175–185 (2014)CrossRef
12.
13.
14.
15.
Kishor, D.R., Venkateswarlu, N.B.: Novel hybridization of expectation-maximization and K-means algorithms for better clustering performance. Int. J. Ambient Comput. Intell. (IJACI) 7(2), 47–74 (2016)CrossRef
16.
Pawlak, Z.: Rough Sets: Theoretical Aspects of Reasoning about Data. Kluwer (1991)
17.
Pawlak, Z.: Rough set approach to knowledge-based decision support. Eur. J. Oper. Res. 99, 48–57 (1997)CrossRefMATH
18.
Dorigo, M. Stutzle, T.: Ant colony optimization. A Bradford Book (2004)
19.
Metadaten
Titel
A Hybrid Community Based Rough Set Feature Selection Technique in Android Malware Detection
verfasst von
Abhishek Bhattacharya
Radha Tamal Goswami
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Smart Trends in Systems, Security and Sustainability

Print ISBN: 978-981-10-6915-4

Electronic ISBN: 978-981-10-6916-1

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-10-6916-1_23

Neuer Inhalt

    Bildnachweise