改进k均值聚类算法在网络入侵检测中的应用研究

被引:12
作者
覃俊 [1 ]
易云飞 [1 ,2 ]
李林 [1 ]
机构
[1] 中南民族大学计算机科学学院
[2] 河池学院计算机与信息科学系
关键词
复合形法; 粒子群优化算法; k-means算法; 入侵检测;
D O I
暂无
中图分类号
TP393.08 [];
学科分类号
0839 ; 1402 ;
摘要
针对k-means算法事先必须获知聚类数目以及难以确定初始中心的缺点,提出了一种改进的k-means聚类算法.改进后的算法首先使用了复合形和粒子群算法来选取聚类的初始中心点,然后使用k-means算法快速收敛获取聚类结果.实验表明:把改进后的算法用于网络入侵检测系统中,可以提高不需指导的异常检测的检测率,降低误检率.
引用
收藏
页码:75 / 78
页数:4
相关论文
共 6 条
[1]   求解聚类问题的混合PSO算法设计 [J].
杨勋 ;
王江晴 .
微电子学与计算机, 2007, (10) :43-45+49
[2]   一种改进的k-means聚类算法(英文) [J].
夏士雄 ;
李文超 ;
周勇 ;
张磊 ;
牛强 .
Journal of Southeast University(English Edition), 2007, (03) :435-438
[3]   基于粒子群优化的k均值算法在网络入侵检测中的应用 [J].
谷保平 ;
许孝元 ;
郭红艳 .
计算机应用, 2007, (06) :1368-1370
[4]   基于复合形遗传算法的K-means优化聚类方法 [J].
赵锋 ;
薛惠锋 ;
王伟 .
航空计算技术, 2006, (05) :59-61+64
[5]   基于改进的微粒群优化算法的0-1背包问题求解 [J].
沈显君 ;
王伟武 ;
郑波尽 ;
李元香 .
计算机工程, 2006, (18) :23-24+38
[6]   Genetic algorithm-based clustering technique [J].
Maulik, U ;
Bandyopadhyay, S .
PATTERN RECOGNITION, 2000, 33 (09) :1455-1465