基于改进粒子群的加速K均值算法在入侵检测中的研究

发布时间：2017-06-29 00:09

  本文关键词：基于改进粒子群的加速K均值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均值算法在入侵检测中受初始聚类中心影响而不能获得全局最优,粒子群算法容易出现早熟收敛的问题,提出了一种基于改进粒子群的加速K均值聚类入侵检测算法(NPSO-AKM),对K均值算法和粒子群算法进行了改进和结合,使得算法具有较高的处理速度和全局搜索能力。针对NPSO-AKM是一种聚类算法的特点,设计了基于NPSO-AKM的入侵检测模型。针对实验数据集的特点,设计了交叉法用于构建高质量的训练数据集。通过实验分析和比较,该模型有较好较快的全局收敛能力,并能在入侵检测中获得令人满意的检测率和误检率。
【作者单位】： 上海应用技术学院计算机科学与信息工程学院;
【关键词】： K均值算法 粒子群算法 早熟收敛 入侵检测
【基金】：上海市教育委员会科研创新项目(12YZ164)
【分类号】：TP393.08
【正文快照】： 引言随着网络应用的不断深化,网络安全相关事件频发,网络安全已经成为全球普遍关注的问题。及时、有效地发现各类入侵行为,保证网络系统与资源的安全,对于国家安全和人民权益至关重要。入侵检测技术主要包括误用检测和异常检测。误用检测通过对标记过的训练数据集进行学习、训

【相似文献】

中国期刊全文数据库 前10条

1 郭红艳;谷保平;;改进k均值算法在网络入侵检测中的应用研究[J];计算机安全;2008年05期

2 郭红艳;李涛;;K~+均值在网络入侵检测中的应用研究[J];软件导刊;2009年03期

3 刘霞;洪飞龙;;遗传模糊C均值算法在入侵检测中的应用[J];信息安全与通信保密;2006年07期

4 杨鑫华;于宽;;基于密度半径自适应选择的K-均值聚类算法[J];大连交通大学学报;2007年01期

5 宋凌;李枚毅;李孝源;;基于粒群优化的K均值算法及其应用[J];计算机工程;2008年16期

6 张克君;杨炳儒;赵耿;曲文龙;;基于多镜像站点的分布式Web使用聚类[J];北京科技大学学报;2007年09期

7 薛胜军;聂靖;;基于混合优化模糊C均值算法的网格资源聚类[J];计算机应用研究;2010年06期

8 刘长骞;;K均值算法改进及在网络入侵检测中的应用[J];计算机仿真;2011年03期

9 常亮;吴铁峰;;基于自适应模糊c均值的击键序列身份认证[J];机械管理开发;2008年02期

10 宋凌;李枚毅;李孝源;;一种新的半监督入侵检测算法[J];计算机应用;2008年07期

中国重要会议论文全文数据库 前1条

1 秦兵;刘挺;高晔;;多文档集合中逻辑主题的确定[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

中国博士学位论文全文数据库 前1条

1 姜义;网络敏感的对等网络覆盖网的若干关键技术研究[D];上海交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 谷保平;基于聚类算法的网络入侵检测研究[D];广东工业大学;2008年

2 黄剑峰;基于模式识别算法的入侵检测研究[D];南京理工大学;2007年

3 高华;基于聚类分块支持向量机的入侵检测算法[D];南京理工大学;2007年

4 朱桂宏;基于数据挖掘的入侵检测系统研究[D];合肥工业大学;2006年

5 郭东东;政府网站日志挖掘的研究与实践[D];郑州大学;2011年

6 洪飞龙;数据挖掘技术在入侵检测中的应用研究[D];西南交通大学;2005年

7 赵晶晶;基于数据挖掘的P2P流量识别算法研究与实现[D];北京邮电大学;2009年

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

9 宋凌;基于半监督聚类的入侵防御系统研究[D];湘潭大学;2008年

10 江兰;基于模糊聚类的网站用户分析[D];暨南大学;2006年

  本文关键词：基于改进粒子群的加速K均值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：495808