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:
入侵检测技术作为一种主动的网络安全防护技术越来越引起研究者的关注,该文以k-means算法为基础,对基于k-means算法的入侵检测系统进行了研究和分析,指出了传统k-means算法的不足,提出了相应的改进策略,在此基础上完成基于k-means改进算法的入侵检测系统的研究。
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
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
基于改进磷虾群算法的K-means算法
磷虾群算法
聚类算法
精英引领
最佳聚类数
动态分群
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k-means改进算法的入侵检测系统研究
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 数据挖掘 K-MEANS算法
年,卷(期) 2014,(11) 所属期刊栏目
研究方向 页码范围 7425-7427
页数 3页 分类号 TP311
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 黄敏 西南科技大学计算机学院 20 182 6.0 13.0
2 高波 西南科技大学计算机学院 4 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
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)
2002(4)
  • 参考文献(4)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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
数据挖掘
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
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