基于属性聚类的网站集成检测及统计分析

• 作者: 董妍汝
• 来源期刊: 内蒙古师范大学学报（自然科学汉文版）
• 学科: 工学
• 关键词: 特征提取 属性聚类 集成检测 贝叶斯投票 检测精度
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 数 学
• 页码范围: 447-451
• 页数: 5页
• 分类号: TP393.08
• 字数: 3316字
• 语种: 中文

摘要

收集大量网站的包含30个特征属性的数据,用 k-means 属性聚类方法将特征属性划分为不同类别,利用不同类别中的属性数据训练基础分类器,通过集成各基础分类器的结果对未知网站进行预测。采用简单投票和贝叶斯投票对结果进行组合预测,结果表明,k-means 属性聚类方法大大增加了基础分类器的差异性,提高了分类检测的精度,其中基于贝叶斯投票策略的集成模型具有很高的检测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董妍汝	山西大学商务学院信息学院	21	47	4.0	6.0