基于FCM-GRNN聚类的入侵检测算法研究

• 作者: 刘以安 薛潇 阚媛 魏敏
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 入侵检测 神经网络 广义回归神经网络
• 年，卷（期）: 2010,（6）
• 页码范围: 151-154
• 分类号: TP393.08
• 字数: 3167字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2010.06.036

摘要

在研究网络安全问题中,针对传统的模糊C均值聚类算法(FCM)在海量的入侵检测数据中容易陷入局部最小值,运行效率低下以及结果稳定性差的缺点,提出了一种FCM和广义回归网络(GRNN)相结合的入侵检测算法.根据GRNN的高速全局寻优特点,利用FCM将原空间的待分类样本进行聚类,利用距离FCM聚类中心最近的样本点训练GRNN模型并更新中心点,直至得到稳定的聚类中心.为解决传统的FCM在入侵检测中结果稳定性差和收敛性差,检测精度低的问题.经仿真实验结果证明,结合的方法有效的克服上述缺点,提高了数据的检测率和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘以安	江南大学信息工程学院	114	862	15.0	23.0
2	魏敏	江南大学信息工程学院	11	79	6.0	8.0
3	阚媛	江南大学信息工程学院	2	14	2.0	2.0
4	薛潇	江南大学信息工程学院	3	24	3.0	3.0