改进的k-means算法在入侵检测中的应用

• 作者: 仇计清 张冬雯 张学杰
• 来源期刊: 科技与创新
• 关键词: 入侵检测 聚类分析 k均值 相异度
• 年，卷（期）: 2010,（18）
• 页码范围: 11-13
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.18.005

摘要

针对k-means算法在聚类前必须给出聚类个数的不足,本文利用类内相异度和类间相异度对该算法进行改进,试图在初始输入条件只有初始数据集的基础上,得出较好的聚类结果.首先给出了类内相异度和类间相异度的定义,描述了改进k-means算法的定义和执行过程,最后使用KDD CUP99数据集对此改进算法进行了仿真实验,实验结果表明此改进的k-means算法相对于k-means算法在误报率方面有较好的检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张冬雯	河北科技大学理学院	39	137	7.0	9.0
2	张学杰	河北科技大学信息科学与工程学院	1	3	1.0	1.0
3	仇计清	河北科技大学理学院	50	148	6.0	9.0