本文關(guān)鍵詞：基于改進(jìn)差分進(jìn)化的K均值聚類算法在入侵檢測(cè)中的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：針對(duì)K均值算法對(duì)初始聚類中心需要人為設(shè)定、對(duì)聚類中心敏感并且極易陷入局部最優(yōu)的缺陷,用改進(jìn)的DE算法對(duì)K均值算法進(jìn)行優(yōu)化。在DE算法中,采用動(dòng)態(tài)交叉參數(shù)CR與縮放參數(shù)F,有效地平衡了DE算法的全局尋優(yōu)能力與收斂速度二者的矛盾;利用混沌的隨機(jī)性完成DE算法的種群初始化,利用其遍歷性在DE進(jìn)化后期的最優(yōu)解附近進(jìn)行混沌搜索,有效地提高了DE算法的全局尋優(yōu)能力。最后,使用KDD99數(shù)據(jù)集對(duì)CDE-K均值算法進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,CDE-K均值算法具有較好的聚類能力,在檢驗(yàn)效果方面表現(xiàn)優(yōu)秀。
【作者單位】： 北京化工大學(xué);北京石油化工學(xué)院;
【關(guān)鍵詞】： 入侵檢測(cè) K均值算法 混沌搜索 DE算法
【分類號(hào)】：TP393.08
【正文快照】： 網(wǎng)絡(luò)安全已成為全社會(huì)性問(wèn)題。迅速、有效地發(fā)掘各種網(wǎng)絡(luò)攻擊行為,保障網(wǎng)絡(luò)系統(tǒng)和資源的安全,對(duì)國(guó)家安全和人民權(quán)益有著重大的意義[1]。K均值算法是最常用的聚類算法之一,在入侵檢測(cè)(IDS)研究中有著廣泛的應(yīng)用[2]。但是此算法有兩方面的缺陷:一是該算法受初始聚類中心的影響較

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 易倩;滕少華;張巍;;基于馬氏距離的K均值聚類算法的入侵檢測(cè)[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

2 皮國(guó)強(qiáng);劉韜;;基于Web挖掘的Web服務(wù)器入侵檢測(cè)研究[J];計(jì)算機(jī)時(shí)代;2012年04期

3 楊德璋;李雷;申方成;;快速多規(guī)則約束關(guān)聯(lián)算法的入侵檢測(cè)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年12期

4 ;[J];;年期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 黃蓉;模糊C均值聚類算法的若干研究及其在IDS中的應(yīng)用[D];南京郵電大學(xué);2014年

2 孫大朋;入侵檢測(cè)中模糊C-均值聚類算法研究[D];哈爾濱理工大學(xué);2010年

3 沈婧;綜合風(fēng)險(xiǎn)智能主題推送技術(shù)的研究與應(yīng)用[D];西北大學(xué);2008年

  本文關(guān)鍵詞：基于改進(jìn)差分進(jìn)化的K均值聚類算法在入侵檢測(cè)中的研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：351888