原文服务方: 微电子学与计算机       
摘要:
提出了一种新的基于聚类算法和遗传算法相结合的入侵检测方法模型.算法对聚类的中心采用二进制编码,将网络的正常行为和非正常行为分为不同的类,把每个点到它们之间的各自的聚类中心的欧几里得距离的综合作为相似度量,然后采用粒子群优化算法,有效的降低网络拓扑路径长度,通过优化算法来寻找聚类的中心.Matlab仿真实验结果表明,提出的改进的网络异常检测方法,与较传统网络入侵检测系统模型相比,具有更好的入侵识别率和检测率,同时提高了算法的执行效率.
推荐文章
基于聚类的多子群粒子群优化算法
粒子群优化算法
聚类
子群
基于粒子群优化的异常入侵检测算法的研究
粒子群算法
动态聚类分析
入侵检测
适应度函数
基于粒子群的粗糙核聚类算法
聚类
核函数
粗糙集
粒子群算法
属性加权
基于优化粒子群算法的云环境大数据聚类算法
大数据聚类
云环境
粒子群优化
空间分割
模糊聚类
仿真测试
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于聚类粒子群算法网络异常检测模型研究
来源期刊 微电子学与计算机 学科
关键词 网络异常 均值聚类 遗传算法 入侵检测
年,卷(期) 2012,(3) 所属期刊栏目
研究方向 页码范围 102-105
页数 分类号 TP319
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐甜 安阳师范学院计算机教学部 22 89 5.0 8.0
2 牛红惠 安阳师范学院计算机教学部 25 106 4.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (74)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (10)
二级引证文献  (2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(2)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
网络异常
均值聚类
遗传算法
入侵检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导