基于改进磷虾群优化的中心极大化KFCM算法在IDS的应用

被引：6

作者：

李丛 ^{[1
]}

胡文军 ^{[2
]}

丁勇 ^{[1
]}

曹红根 ^{[1
]}

机构：

[1] 南京理工大学泰州科技学院计算机科学与技术系

[2] 湖州师范学院信息工程学院

来源：

计算机应用研究 | 2016年 / 33卷 / 02期

基金：

浙江省自然科学基金;

关键词：

核模糊C-均值算法; 磷虾群算法; 中心极大化约束项; 距离最大最小原则; 精英保留策略; 混沌扰动; 入侵检测;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对核模糊C-均值算法(kernel fuzzy C-means,KFCM)随机选择初始聚类中心而不能获得全局最优且在聚类中心较近或重合时易产生一致性聚类等问题,提出一种改进算法。改进算法在原目标函数中引入中心极大化约束项来调控簇间分离度,从而避免算法出现一致性聚类结果。利用磷虾群算法对基于新目标函数的KFCM算法进行优化,使算法不再依赖初始聚类中心,提高算法的稳定性。基于距离最大最小原则产生多组较优的聚类中心作为初始磷虾群体并在算法迭代过程中融合一种新的精英保留策略,从而确保算法收敛到全局极值;通过对个体随机扩散活动进行分段式Logistic混沌扰动,提高算法全局寻优能力。使用KDD Cup 99入侵检测数据进行仿真实验表明,改进算法具有更好的检测性能,解决了传统的聚类算法在入侵检测中稳定性差、检测准确率低的问题。

引用

页码：507 / 512

页数：6

共 13 条

[1] Automatic clustering based on GA-FCM for pattern recognition. GAO Yunguang,WANG Shicheng,LIU Shunbo. Computational Intelligence and Design . 2009
[2] 基于遗传模糊核聚类的图像分割
靳璐
付梦印
[J]. 模式识别与人工智能, 2013, 26 (02) : 205 - 210
[3] 核参数优化选取的混合C均值核模糊聚类算法
江南
王士同
贺杨成
[J]. 计算机工程与设计, 2011, 32 (09) : 3148 - 3152
[4] 一种新的分段非线性混沌映射及其性能分析
张雪锋
范九伦
[J]. 物理学报, 2010, 59 (04) : 2298 - 2304
[5] 基于改进核模糊聚类算法的软测量建模研究
徐海霞
刘国海
周大为
梅从立
[J]. 仪器仪表学报, 2009, 30 (10) : 2226 - 2231
[6] 一种基于人工免疫的模糊核聚类算法
蒋全胜
贾民平
胡建中
许飞云
[J]. 中国机械工程, 2008, (05) : 594 - 597
[7] Chaotic Krill Herd algorithm[J] . Gai-Ge Wang,Lihong Guo,Amir H. Gandomi,Guo-Sheng Hao,Heqi Wang. &nbspInformation Sciences . 2014
[8] Krill herd: A new bio-inspired optimization algorithm[J] . Amir Hossein Gandomi,Amir Hossein Alavi. &nbspCommunications in Nonlinear Science and Numerical Simulation . 2012 (12)
[9] Attribute weighted mercer kernel based fuzzy clustering algorithm for general non-spherical datasets
Shen, Hongbin
Yang, Jie
Wang, Shitong
Liu, Xiaojun
[J]. SOFT COMPUTING, 2006, 10 (11) : 1061 - 1073
[10] Mercer kernel based clustering in feature space. Girolami M. IEEE Transactions on Neural Networks . 2002

← 1 2 →