一种面向入侵检测的半监督聚类算法

• 作者: 万玲 夏战国 孙鹏辉 蔡世玉
• 来源期刊: 山东大学学报：工学版
• 学科: 工学
• 关键词: 半监督学习 半监督聚类 入侵检测 K-均值 检测率
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 1-7
• 分类号: TP181
• 语种: 中文

摘要

为了解决传统的入侵检测聚类算法准确率较低这个问题，结合半监督学习的思想，提出了一种面向入侵检测的半监督聚类算法。首先利用样本数据集中的部分标记数据，生成用于初始化聚类的种子集，通过计算样本数据集中标记点与每个类簇中标记点均值的欧氏距离，得到每类的初始聚类中心，实现了入侵检测数据的准确识别。该算法有效地避免了传统聚类算法中初始聚类中心选择的盲目性和随机性，提高了检测率。实验结果表明，在处理入侵检测数据时，该算法能够充分利用少量类标记信息进行半监督学习，较传统的K-means算法聚类效果更好，检测准确率更高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏战国	中国矿业大学计算机科学与技术学院	23	137	7.0	11.0
2	万玲	中国矿业大学计算机科学与技术学院	7	52	4.0	7.0
3	蔡世玉	中国矿业大学计算机科学与技术学院	11	43	3.0	6.0
4	孙鹏辉	中国矿业大学计算机科学与技术学院	2	21	2.0	2.0