本文關鍵詞：基于改進差分進化的K均值聚類算法在入侵檢測中的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：針對K均值算法對初始聚類中心需要人為設定、對聚類中心敏感并且極易陷入局部最優(yōu)的缺陷,用改進的DE算法對K均值算法進行優(yōu)化。在DE算法中,采用動態(tài)交叉參數(shù)CR與縮放參數(shù)F,有效地平衡了DE算法的全局尋優(yōu)能力與收斂速度二者的矛盾;利用混沌的隨機性完成DE算法的種群初始化,利用其遍歷性在DE進化后期的最優(yōu)解附近進行混沌搜索,有效地提高了DE算法的全局尋優(yōu)能力。最后,使用KDD99數(shù)據(jù)集對CDE-K均值算法進行驗證,實驗結果表明,CDE-K均值算法具有較好的聚類能力,在檢驗效果方面表現(xiàn)優(yōu)秀。
【作者單位】： 北京化工大學;北京石油化工學院;
【關鍵詞】： 入侵檢測 K均值算法 混沌搜索 DE算法
【分類號】：TP393.08
【正文快照】： 網(wǎng)絡安全已成為全社會性問題。迅速、有效地發(fā)掘各種網(wǎng)絡攻擊行為,保障網(wǎng)絡系統(tǒng)和資源的安全,對國家安全和人民權益有著重大的意義[1]。K均值算法是最常用的聚類算法之一,在入侵檢測(IDS)研究中有著廣泛的應用[2]。但是此算法有兩方面的缺陷:一是該算法受初始聚類中心的影響較

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 易倩;滕少華;張巍;;基于馬氏距離的K均值聚類算法的入侵檢測[J];江西師范大學學報(自然科學版);2012年03期

2 皮國強;劉韜;;基于Web挖掘的Web服務器入侵檢測研究[J];計算機時代;2012年04期

3 楊德璋;李雷;申方成;;快速多規(guī)則約束關聯(lián)算法的入侵檢測研究[J];計算機技術與發(fā)展;2010年12期

4 ;[J];;年期

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 黃蓉;模糊C均值聚類算法的若干研究及其在IDS中的應用[D];南京郵電大學;2014年

2 孫大朋;入侵檢測中模糊C-均值聚類算法研究[D];哈爾濱理工大學;2010年

3 沈婧;綜合風險智能主題推送技術的研究與應用[D];西北大學;2008年

  本文關鍵詞：基于改進差分進化的K均值聚類算法在入侵檢測中的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：351888