K-MEANS算法在IDS中的应用研究

• 作者: 李冰 李玲娟 薛明
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 数据挖掘 入侵检测系统 K均值聚类 预处理
• 年，卷（期）: 2010,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 129-131,封3
• 分类号: TP311
• 字数: 2333字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.07.033

摘要

聚类算法广泛应用于入侵检测系统(ID6)的数据挖掘中.虽然K-MEANS算法是最为经典的聚类算法之一,但是由于入侵检测系统的数据集具有特殊性,直接在其上进行K-MEANS聚类的效果不佳.为了提高K-MEANS在IDS数据集上的聚类准确性,引入一种数据预处理方法.该方法对IDS的记录特征做标准化处理,使原本取值范围差异很大的数值型特征在同一个区间内取值,排除原始数据中不同度量带来的不良影响,从而优化聚类的效果.仿真实验表明,K-MEANS算法对预处理后的IDS数据集的聚类准确度有很大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玲娟	南京邮电大学计算机学院	88	927	14.0	26.0
2	李冰	南京邮电大学计算机学院	3	18	3.0	3.0
3	薛明	南京邮电大学计算机学院	9	31	3.0	5.0