基于混沌免疫聚类的异常检测算法

• 作者: 王喆 翁鹤
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 混沌理论 免疫聚类 异常检测 聚类融合
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 算法与语言
• 页码范围: 55-58
• 页数: 4页
• 分类号: TP312
• 字数: 3553字
• 语种: 中文
• DOI: 10.11907/rjdk.1511558

摘要

在对免疫聚类类型和流程分析的基础上,结合混沌变量的遍历性和聚类融合方法,提出了基于改进aiNet(artificial immune net)聚类算法CO-aiNet(Chaos optimization of artificial immune net)的异常检测算法ICDA(Immune clustering based Anomaly detection).CO-aiNet算法在引入权重矢量、相关度等基础上,采用模拟退火算法和概率准则优化监测数据,优化了聚类效果;引入异常因子概念,通过对多次聚类融合后的数据按照异常标记次数排序,得到异常数据集.实验表明,CO-aiNet算法聚类效果优于同类算法,基于聚类融合的异常检测准确性和稳定性显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翁鹤	中国空空导弹研究院信息部	1	0	0.0	0.0
2	王喆	洛阳电光设备研究所瞄准显示系统研发部	1	0	0.0	0.0