基于聚类的邻域检测器生成算法

发布时间：2017-10-29 09:17

  本文关键词：基于聚类的邻域检测器生成算法

  更多相关文章： 入侵检测 免疫 邻域 聚类 检测器

【摘要】：邻域否定选择算法遍历每个自体样本,导致计算量大及匹配阶段重叠率高等问题。为此,对邻域否定选择算法和聚类技术进行研究,提出一种邻域检测器生成算法。将自体样本映射到构建好的邻域空间中进行聚类,同时对随机检测器予以耐受,训练出成熟的邻域检测器。在KDD CUP 1999数据集上的仿真结果表明,该算法可以缩短生成检测器的时间,有效解决高重叠问题,提高检测效率。
【作者单位】： 哈尔滨理工大学计算机科学与技术学院;
【关键词】： 入侵检测 免疫 邻域 聚类 检测器
【基金】：国家自然科学基金资助项目“免疫动态自适应机制研究”(61172168)
【分类号】：TP393.08
【正文快照】： 1概述随着网络环境不断变化,入侵检测技术已是当前网络安全中不可或缺的一部分,生物免疫机制的重要功能是对“自己”和“非己”抗原的识别及应答,通过这些信息领域可以很好地应用于入侵检测系统[1-2]。文献[3]将生物免疫机制与入侵检测技术相结合,所提出的基于免疫入侵的检测

【相似文献】

中国期刊全文数据库 前10条

1 周世兵;徐振源;唐旭清;;新的K-均值算法最佳聚类数确定方法[J];计算机工程与应用;2010年16期

2 周世兵;徐振源;唐旭清;;基于近邻传播算法的最佳聚类数确定方法比较研究[J];计算机科学;2011年02期

3 周世兵;徐振源;唐旭清;;一种基于近邻传播算法的最佳聚类数确定方法[J];控制与决策;2011年08期

4 李旭;林伟;温金环;史彩云;;基于图谱理论的图像聚类数的确定及应用[J];工程数学学报;2012年05期

5 秦振涛;杨武年;;一种新的最佳聚类数确定方法[J];电子技术应用;2013年01期

6 宋铭利;高新科;;基于距离的最大聚类数探索算法的探讨[J];矿山机械;2006年09期

7 普运伟;朱明;金炜东;胡来招;;核聚类算法最佳聚类数的自适应确定方法[J];计算机工程;2007年04期

8 杨欣斌,孙京诰,黄道;一种进化聚类学习新方法[J];计算机工程与应用;2003年15期

9 田彦山;;基于山峰聚类的聚类上限确定方法[J];江西师范大学学报(自然科学版);2007年02期

10 褚娜;马利庄;王彦;;聚类趋势问题的研究综述[J];计算机应用研究;2009年03期

中国重要会议论文全文数据库 前9条

1 高翠芳;吴小俊;;基于二阶差分的聚类数自动确定方法[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年

2 刘洋;江志纲;丁增喜;王大玲;鲍玉斌;于戈;;一种基于图的聚类算法GB-Cluster[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

3 李浪波;傅彦;刘红;;基于范例推理的网格和密度聚类算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

4 娄冬梅;陈明;朱有娜;;一种基于密度的无参数聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

5 魏昕路;洪志令;姜青山;;一种基于样本缩减策略的新窗口式聚类算法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

6 程尊平;周鼎;王晨;周皓峰;汪卫;施伯乐;;SDPHC——基于密度的分割和分层的自校聚类算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

7 张晓峰;王丽珍;陆叶;;一种基于属性加权的不确定K-means聚类算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

8 蔡军;袁华鹏;陈金海;施伯乐;;一种基于相似性分析的聚类新算法:PDS算法[A];第十八届全国数据库学术会议论文集（研究报告篇）[C];2001年

9 胡仲义;郭超;王永炎;刘胜航;王宏安;;基于时间衰减和特征变量的数据流聚类算法[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

中国博士学位论文全文数据库 前10条

1 胡雅婷;可能性聚类方法研究及应用[D];吉林大学;2012年

2 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年

3 周世兵;聚类分析中的最佳聚类数确定方法研究及应用[D];江南大学;2011年

4 杨燕;基于计算智能的聚类组合算法研究[D];西南交通大学;2006年

5 冯永;基于计算智能的聚类技术及其应用研究[D];重庆大学;2006年

6 刘晨;高伸缩性聚类分析方法研究[D];哈尔滨工程大学;2013年

7 王强;局部叠加基因表达模式聚类分析方法研究[D];哈尔滨工业大学;2012年

8 姜磊;混合演化聚类算法研究及其应用[D];武汉大学;2012年

9 尹学松;半监督聚类分析策略设计及其拓展性研究[D];南京航空航天大学;2009年

10 白亮;聚类学习的理论分析与高效算法研究[D];山西大学;2012年

中国硕士学位论文全文数据库 前10条

1 魏建东;K-means初始化算法研究[D];南京理工大学;2015年

2 张依;基于MapReduce的k-means聚类算法并行化研究[D];中央民族大学;2015年

3 刘婵;蚁群与K均值聚类算法融合研究及其在用户分群中的应用[D];西南科技大学;2015年

4 朱琪;基于减法聚类的混合算法研究[D];湖南科技大学;2015年

5 韩伟森;聚类集成研究与应用[D];贵州大学;2015年

6 谭浩;K-Means算法改进及其在森林健康评价中的应用[D];中南林业科技大学;2015年

7 乔坤;基于系统能量理论的聚类算法及其应用研究[D];西安建筑科技大学;2007年

8 李卫平;动力学背景下的聚类算法研究[D];郑州大学;2007年

9 叶冲轶;高维海量数据联合聚类算法的研究与应用[D];浙江工商大学;2010年

10 王跃;联合聚类算法研究及应用[D];浙江大学;2012年

，

本文编号：1112360