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:
传统 K-means 聚类算法存在初始聚类中心选取敏感且需要预先设定聚类数等不足,导致入侵检测效率较低.为了提高入侵检测的准确性,提出一种改进的 K-means 算法.采用分离预处理记录属性的方法,在随机抽取的数据子集中基于密度距离生成初始聚类中心;利用类内最大相似度距离和类间最小相似度距离动态生成新类而无须事先确定 K 值.通过 KDDCUP99数据集仿真实验表明,与传统的 K-means 聚类算法相比,改进的 K-means 算法有效提高了入侵检测的检测率,降低了误检率,缩短了检测时间.
推荐文章
改进的k-means算法在入侵检测中的应用
入侵检测
聚类分析
k均值
相异度
增强型K-means聚类算法在入侵检测中的应用
入侵检测
异常检测
聚类分析
K-means算法
改进k-means算法的网络数据库入侵检测
网络数据库
入侵检测
改进算法
k-means算法的研究与改进
聚类
划分方法
数据样本
阈值
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 改进的 K-means 算法在入侵检测中的应用
来源期刊 计算机技术与发展 学科 工学
关键词 入侵检测 聚类算法 K-means 算法
年,卷(期) 2013,(1) 所属期刊栏目
研究方向 页码范围 165-168
页数 分类号 TP393.08
字数 3234字 语种 中文
DOI 10.3969/j.issn.1673-629X.2013.01.041
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 黎银环 12 14 2.0 3.0
2 张剑 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (255)
参考文献  (11)
节点文献
引证文献  (6)
同被引文献  (21)
二级引证文献  (6)
1967(1)
  • 参考文献(1)
  • 二级参考文献(0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(2)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(2)
  • 二级参考文献(2)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(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)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(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
入侵检测
聚类算法
K-means 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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导