發(fā)布時間：2017-06-29 00:09

  本文關鍵詞：基于改進粒子群的加速K均值算法在入侵檢測中的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：針對K均值算法在入侵檢測中受初始聚類中心影響而不能獲得全局最優(yōu),粒子群算法容易出現(xiàn)早熟收斂的問題,提出了一種基于改進粒子群的加速K均值聚類入侵檢測算法(NPSO-AKM),對K均值算法和粒子群算法進行了改進和結合,使得算法具有較高的處理速度和全局搜索能力。針對NPSO-AKM是一種聚類算法的特點,設計了基于NPSO-AKM的入侵檢測模型。針對實驗數(shù)據集的特點,設計了交叉法用于構建高質量的訓練數(shù)據集。通過實驗分析和比較,該模型有較好較快的全局收斂能力,并能在入侵檢測中獲得令人滿意的檢測率和誤檢率。
【作者單位】： 上海應用技術學院計算機科學與信息工程學院;
【關鍵詞】： K均值算法 粒子群算法 早熟收斂 入侵檢測
【基金】：上海市教育委員會科研創(chuàng)新項目(12YZ164)
【分類號】：TP393.08
【正文快照】： 引言隨著網絡應用的不斷深化,網絡安全相關事件頻發(fā),網絡安全已經成為全球普遍關注的問題。及時、有效地發(fā)現(xiàn)各類入侵行為,保證網絡系統(tǒng)與資源的安全,對于國家安全和人民權益至關重要。入侵檢測技術主要包括誤用檢測和異常檢測。誤用檢測通過對標記過的訓練數(shù)據集進行學習、訓

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 郭紅艷;谷保平;;改進k均值算法在網絡入侵檢測中的應用研究[J];計算機安全;2008年05期

2 郭紅艷;李濤;;K~+均值在網絡入侵檢測中的應用研究[J];軟件導刊;2009年03期

3 劉霞;洪飛龍;;遺傳模糊C均值算法在入侵檢測中的應用[J];信息安全與通信保密;2006年07期

4 楊鑫華;于寬;;基于密度半徑自適應選擇的K-均值聚類算法[J];大連交通大學學報;2007年01期

5 宋凌;李枚毅;李孝源;;基于粒群優(yōu)化的K均值算法及其應用[J];計算機工程;2008年16期

6 張克君;楊炳儒;趙耿;曲文龍;;基于多鏡像站點的分布式Web使用聚類[J];北京科技大學學報;2007年09期

7 薛勝軍;聶靖;;基于混合優(yōu)化模糊C均值算法的網格資源聚類[J];計算機應用研究;2010年06期

8 劉長騫;;K均值算法改進及在網絡入侵檢測中的應用[J];計算機仿真;2011年03期

9 常亮;吳鐵峰;;基于自適應模糊c均值的擊鍵序列身份認證[J];機械管理開發(fā);2008年02期

10 宋凌;李枚毅;李孝源;;一種新的半監(jiān)督入侵檢測算法[J];計算機應用;2008年07期

中國重要會議論文全文數(shù)據庫 前1條

1 秦兵;劉挺;高曄;;多文檔集合中邏輯主題的確定[A];NCIRCS2004第一屆全國信息檢索與內容安全學術會議論文集[C];2004年

中國博士學位論文全文數(shù)據庫 前1條

1 姜義;網絡敏感的對等網絡覆蓋網的若干關鍵技術研究[D];上海交通大學;2007年

中國碩士學位論文全文數(shù)據庫 前10條

1 谷保平;基于聚類算法的網絡入侵檢測研究[D];廣東工業(yè)大學;2008年

2 黃劍峰;基于模式識別算法的入侵檢測研究[D];南京理工大學;2007年

3 高華;基于聚類分塊支持向量機的入侵檢測算法[D];南京理工大學;2007年

4 朱桂宏;基于數(shù)據挖掘的入侵檢測系統(tǒng)研究[D];合肥工業(yè)大學;2006年

5 郭東東;政府網站日志挖掘的研究與實踐[D];鄭州大學;2011年

6 洪飛龍;數(shù)據挖掘技術在入侵檢測中的應用研究[D];西南交通大學;2005年

7 趙晶晶;基于數(shù)據挖掘的P2P流量識別算法研究與實現(xiàn)[D];北京郵電大學;2009年

8 鄭仁毅;基于數(shù)據挖掘技術的入侵檢測系統(tǒng)研究與設計[D];廈門大學;2007年

9 宋凌;基于半監(jiān)督聚類的入侵防御系統(tǒng)研究[D];湘潭大學;2008年

10 江蘭;基于模糊聚類的網站用戶分析[D];暨南大學;2006年

  本文關鍵詞：基于改進粒子群的加速K均值算法在入侵檢測中的研究，由筆耕文化傳播整理發(fā)布。

本文編號：495808