改进K-means算法在入侵检测中的应用研究

• 作者: 刘胜会 王茜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 入侵检测 数据挖掘 聚类算法 K-means聚类 最小支撑树
• 年，卷（期）: 2015,（17）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 124-127,144
• 页数: 5页
• 分类号: TP391
• 字数: 5133字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1309-0161

摘要

为了弥补传统K-means聚类算法在K值确定和初始中心选择难等方面的不足，基于“合并与分裂”思想，提出一种改进的K-means聚类算法。将数据独立程度概念引入实验数据子集构造理论中，利用独立程度评价属性的重要性；根据点密度将数据集合并为若干类，结合最小支撑树聚类算法与传统K-means聚类算法实现分裂；使用KDD Cup99数据集对改进算法在入侵检测中的应用进行仿真实验。结果表明，改进算法在检测率和误报率方面均优于传统K-means算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王茜	重庆大学计算机学院	68	682	14.0	23.0
2	刘胜会	重庆大学计算机学院	1	27	1.0	1.0