基于PCA和半监督聚类的入侵检测算法研究

• 作者: 丁彦 李永忠
• 来源期刊: 山东大学学报：工学版
• 学科: 工学
• 关键词: 入侵检测 PCA 半监督聚类 成对约束 竞争凝聚
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 41-46
• 分类号: TP393.08
• 语种: 中文

摘要

针对网络入侵检测数据存在大量冗余信息和传统聚类算法对离群点检测不足的问题，提出一种基于主成分分析（principal component analysis，PCA）和半监督聚类的入侵检测算法。首先使用PCA对数据进行特征提取，消除数据间的冗余属性；然后利用少量已标记样本和成对约束信息，通过引入竞争凝聚让系统主动学习，以实现对大量未知样本的检测。在入侵检测数据集和UCI基准数据集上的实验结果表明，该算法能有效提高系统的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李永忠	江苏科技大学计算机科学与工程学院	98	561	13.0	16.0
2	丁彦	江苏科技大学计算机科学与工程学院	3	19	2.0	3.0