| 一种基于密度的无监督聚类算法 |
| |
| 引用本文： | 王贞化,焦东杰.一种基于密度的无监督聚类算法[J].新乡学院学报(自然科学版),2010(6):53-56. |
| |
| 作者姓名： | 王贞化 焦东杰 |
| |
| 作者单位： | [1]河南师范大学数学与信息科学学院,河南新乡453007 [2]漯河医学高等专科学校,河南漯河462002 |
| |
| 基金项目： | 国家自然科学基金项目（60873208） |
| |
| 摘 要： | 分析了k-means算法的缺陷、入侵检测特点和网络中数据的特点,提出了一种基于密度的无监督2次聚类算法—KD算法。该算法聚类使用改进的k-means算法并引入基于密度聚类算法的优点,以提高对单种入侵数据集及混合入侵数据集的检测效果。实验结果表明,该算法具有较高的检测率和较低的误检率。
|
| 关 键 词： | 聚类算法 入侵检测 k-menas算法 KD算法 |
A Density-based Unsupervised Cluster Algorithm |
| |
| Authors: | WANG Zhen-hua JIAO Dong-jie |
| |
| Institution: | 1.College of Mathematics and Information Science,Henan Normal University,Xinxiang 453007,China;2.Luohe Medical College,Luohe 462002,China) |
| |
| Abstract: | Focusing on the defects of k-means algorithm and the features of intrusion detection,an improved cluster algorithm is promoted,called KD algorithm.This algorithm makes use of the improved k-means algorithm and takes the advantages of density-based cluster algorithm,so it can improve the invasion detection result for single and mixed intrusion detection data sets.The experimental results show that this algorithm has effectively detection rate and lower false alarm rate. |
| |
| Keywords: | cluster algorithm intrusion detection k-means algorithm KD algorithm |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
