作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
该文结合当前网络异常检测的要求,在分析以往算法不足的基础上,提出了一种组合聚类算法,并应用到异常检测中。该算法先后使用蚁群聚类算法和K-means算法对数据进行聚类。通过两种聚类算法的有效组合,解决了原有聚类算法聚类结果受初始聚类中心选取的影响,实验证明该算法在保证较低误报率水平的前提下,提高了系统的的检测率。
推荐文章
基于聚类粒子群算法网络异常检测模型研究
网络异常
均值聚类
遗传算法
入侵检测
聚类算法在高校学生微博的应用研究
聚类算法
热门话题
微博
高校
文本
算法改进
最小差异度聚类在异常入侵检测中的应用
网络安全
入侵检测
聚类分析
差异度
蚁群算法在文本聚类中的应用研究
文本聚类
移动策略
观察半径
蚁群算法
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 组合聚类算法在异常检测中的应用研究
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 入侵检测 异常检测 聚类分析 K-MEANS算法 蚁群算法
年,卷(期) 2012,(11X) 所属期刊栏目
研究方向 页码范围 8010-8013
页数 4页 分类号 TP393.08
字数 语种
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 卢扬 扬州市职业大学信息工程学院 10 25 2.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (0)
参考文献  (26)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 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)
研究主题发展历程
节点文献
入侵检测
异常检测
聚类分析
K-MEANS算法
蚁群算法
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
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导