基于改进聚类分析算法的入侵检测系统研究

被引：26

作者：

杜强

孙敏

机构：

[1] 山西大学计算机与信息技术学院

来源：

计算机工程与应用 | 2011年 / 47卷 / 11期

关键词：

入侵检测; 聚类分析; K-means算法;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

针对常用聚类分析算法应用于入侵检测系统所存在的两大方面的问题:一是其采用随机法确定初始聚类中心,不同的初始值可能产生不同的聚类结果;二是采用爬山式技术导致容易陷入局部最优解。基于此提出一种改进的聚类分析算法,通过确定两个最远初始聚类中心和基于最大最小距离的层次聚类、DBI指标来确定剩余初始聚类中心,该方法使上述问题得到解决,并通过仿真实验验证了该算法的可行性和优越性。

引用

页码：106 / 108+181 +181

页数：4

共 8 条

[1] 一种改进的模糊C均值聚类算法 [J].

李雷 ;

罗红旗 ;

丁亚丽 .

计算机技术与发展, 2009, 19 (12) :71-73

[2] 基于数据挖掘的Snort系统改进模型 [J].

张亚玲 ;

康立锦 .

计算机应用, 2009, 29 (02) :409-411

[3] 基于最大最小距离法的多中心聚类算法 [J].

周涓 ;

熊忠阳 ;

张玉芳 ;

任芳 .

计算机应用, 2006, (06) :1425-1427

[4]

基于数据挖掘技术的入侵检测系统研究与设计.[D].郑仁毅.厦门大学.2007, 07

[5]

基于数据挖掘的网络入侵检测系统的研究与应用.[D].张昌城.暨南大学.2006, 05

[6]

数据挖掘技术在入侵检测系统中的应用研究.[D].李玲娟.苏州大学.2008, 03

[7] Building intrusion pattern miner for Snort network intrusion detection system [J].

Wuu, Lih-Chyau ;

Hung, Chi-Hsiang ;

Chen, Sout-Fong .

JOURNAL OF SYSTEMS AND SOFTWARE, 2007, 80 (10) :1699-1715

[8]

Advanced Data Clustering Methods of Mining Web Documents.[J].Samuel Sambasivam;Nick Theodosopoulos.Issues in Informing Science and Information Technology (IISIT).2006,

← 1 →