基于改进差分进化的K均值聚类算法在入侵检测中的研究

发布时间：2017-05-09 05:54

  本文关键词：基于改进差分进化的K均值聚类算法在入侵检测中的研究，由笔耕文化传播整理发布。

【摘要】：针对K均值算法对初始聚类中心需要人为设定、对聚类中心敏感并且极易陷入局部最优的缺陷,用改进的DE算法对K均值算法进行优化。在DE算法中,采用动态交叉参数CR与缩放参数F,有效地平衡了DE算法的全局寻优能力与收敛速度二者的矛盾;利用混沌的随机性完成DE算法的种群初始化,利用其遍历性在DE进化后期的最优解附近进行混沌搜索,有效地提高了DE算法的全局寻优能力。最后,使用KDD99数据集对CDE-K均值算法进行验证,实验结果表明,CDE-K均值算法具有较好的聚类能力,在检验效果方面表现优秀。
【作者单位】： 北京化工大学;北京石油化工学院;
【关键词】： 入侵检测 K均值算法 混沌搜索 DE算法
【分类号】：TP393.08
【正文快照】： 网络安全已成为全社会性问题。迅速、有效地发掘各种网络攻击行为,保障网络系统和资源的安全,对国家安全和人民权益有着重大的意义[1]。K均值算法是最常用的聚类算法之一,在入侵检测(IDS)研究中有着广泛的应用[2]。但是此算法有两方面的缺陷:一是该算法受初始聚类中心的影响较

【相似文献】

中国期刊全文数据库 前4条

1 易倩;滕少华;张巍;;基于马氏距离的K均值聚类算法的入侵检测[J];江西师范大学学报(自然科学版);2012年03期

2 皮国强;刘韬;;基于Web挖掘的Web服务器入侵检测研究[J];计算机时代;2012年04期

3 杨德璋;李雷;申方成;;快速多规则约束关联算法的入侵检测研究[J];计算机技术与发展;2010年12期

4 ;[J];;年期

中国硕士学位论文全文数据库 前3条

1 黄蓉;模糊C均值聚类算法的若干研究及其在IDS中的应用[D];南京邮电大学;2014年

2 孙大朋;入侵检测中模糊C-均值聚类算法研究[D];哈尔滨理工大学;2010年

3 沈婧;综合风险智能主题推送技术的研究与应用[D];西北大学;2008年

  本文关键词：基于改进差分进化的K均值聚类算法在入侵检测中的研究，，由笔耕文化传播整理发布。

本文编号：351888