基于人工鱼群的优化K-means聚类算法

被引：50

作者：

于海涛 ^{[1
,2
]}

贾美娟 ^{[1
,2
]}

王慧强 ^{[2
]}

邵国强 ^{[1
]}

机构：

[1] 大庆师范学院计算机科学与信息技术学院

[2] 哈尔滨工程大学计算机科学与技术学院

来源：

计算机科学 | 2012年 / 39卷 / 12期

关键词：

聚类; 人工鱼群; 信息增益; 属性加权; 入侵检测;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

针对K-means算法全局搜索能力不足,提出基于人工鱼群的优化K-means聚类算法(AFS-KM),该算法克服了K-means聚类算法对初始聚类中心选择的敏感问题,能够获得全局最优的聚类划分。在聚类过程中,采用一种基于信息增益的属性加权的实体之间距离计算方法进行聚类划分时,对于球形数据和椭球形数据都能够获得理想的聚类划分结果。对KDD-99数据集的仿真实验结果表明,该算法在网络入侵检测时获得了理想的检测率和误报率。

引用

页码：60 / 64

页数：5

共 7 条

[1]

复杂分布数据的二阶段聚类算法 [J].