钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
基础科学期刊
\
大学学报期刊
\
吉林大学学报(理学版)期刊
\
基于人工蜂群优化的密度聚类异常入侵检测算法
基于人工蜂群优化的密度聚类异常入侵检测算法
作者:
任维武
卢奕南
底晓强
张波辰
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
密度聚类
异常入侵检测
组合优化
人工蜂群
摘要:
采用改进的人工蜂群优化算法解决密度聚类异常入侵检测中的参数和特征组合优化问题.首先,在初始化蜜源阶段采用不同的编码方法分别对参数和特征值进行编码;然后,在邻域搜索阶段利用两种搜索策略分别对参数和特征值进行搜索;最后,为满足异常入侵检测对低误报率的需求,在新的适应值函数中加入误报率影响因子.实验结果表明,基于人工蜂群优化的密度聚类异常入侵检测算法不仅提高了正常行为轮廓的精度,而且降低了计算开销和存储空间,并在一定程度上消除噪声特征的干扰,实现了检测性能的提升.
暂无资源
收藏
引用
分享
推荐文章
基于人工蜂群优化的K均值聚类算法
聚类分析
K均值算法
人工蜂群算法
聚类中心
优化
基于改进人工蜂群算法与MapReduce的大数据聚类算法
数据分析
聚类算法
人工蜂群算法
灰狼优化算法
云计算
分布式计算
基于全局信息的人工蜂群聚类算法
人工蜂群算法
聚类
群体智能
搜索策略
全局信息
一种改进的基于密度聚类的入侵检测算法
入侵检测
密度聚类
数据挖掘
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
基于人工蜂群优化的密度聚类异常入侵检测算法
来源期刊
吉林大学学报(理学版)
学科
工学
关键词
密度聚类
异常入侵检测
组合优化
人工蜂群
年,卷(期)
2018,(1)
所属期刊栏目
计算机科学
研究方向
页码范围
95-100
页数
6页
分类号
TP39
字数
4234字
语种
中文
DOI
10.13413/j.cnki.jdxblxb.2018.01.16
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
卢奕南
吉林大学计算机科学与技术学院
30
420
9.0
20.0
2
底晓强
长春理工大学计算机科学技术学院
27
134
6.0
11.0
3
任维武
长春理工大学计算机科学技术学院
5
13
2.0
3.0
4
张波辰
吉林大学计算机科学与技术学院
1
11
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(25)
共引文献
(11)
参考文献
(5)
节点文献
引证文献
(11)
同被引文献
(33)
二级引证文献
(8)
1987(1)
参考文献(0)
二级参考文献(1)
1998(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(1)
参考文献(0)
二级参考文献(1)
2003(2)
参考文献(0)
二级参考文献(2)
2004(1)
参考文献(0)
二级参考文献(1)
2005(4)
参考文献(0)
二级参考文献(4)
2006(3)
参考文献(0)
二级参考文献(3)
2007(5)
参考文献(1)
二级参考文献(4)
2008(4)
参考文献(0)
二级参考文献(4)
2009(5)
参考文献(2)
二级参考文献(3)
2011(1)
参考文献(1)
二级参考文献(0)
2012(1)
参考文献(1)
二级参考文献(0)
2018(3)
参考文献(0)
二级参考文献(0)
引证文献(3)
二级引证文献(0)
2018(3)
引证文献(3)
二级引证文献(0)
2019(11)
引证文献(6)
二级引证文献(5)
2020(5)
引证文献(2)
二级引证文献(3)
研究主题发展历程
节点文献
密度聚类
异常入侵检测
组合优化
人工蜂群
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
吉林大学学报(理学版)
主办单位:
吉林大学
出版周期:
双月刊
ISSN:
1671-5489
CN:
22-1340/O
开本:
大16开
出版地:
长春市南湖大路5372号
邮发代号:
12-19
创刊时间:
1955
语种:
chi
出版文献量(篇)
4812
总下载数(次)
6
总被引数(次)
24333
期刊文献
相关文献
1.
基于人工蜂群优化的K均值聚类算法
2.
基于改进人工蜂群算法与MapReduce的大数据聚类算法
3.
基于全局信息的人工蜂群聚类算法
4.
一种改进的基于密度聚类的入侵检测算法
5.
基于人工蜂群的项聚类推荐算法
6.
基于模糊C-均值的改进人工蜂群聚类算法
7.
基于粒子群优化的异常入侵检测算法的研究
8.
一种结合人工蜂群和K-均值的混合聚类算法
9.
优化人工蜂群算法的跨域虚拟网络映射算法
10.
基于CDbw和人工蜂群优化的密度峰值聚类算法
11.
人工蜂群算法研究综述
12.
基于Memetic框架的混沌人工蜂群算法
13.
改进的人工蜂群算法
14.
基于混沌机制的人工蜂群算法优化的支持向量机分类器
15.
基于混沌人工蜂群算法的色彩量化方法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
力学
化学
地球物理学
地质学
基础科学综合
大学学报
天文学
天文学、地球科学
数学
气象学
海洋学
物理学
生物学
生物科学
自然地理学和测绘学
自然科学总论
自然科学理论与方法
资源科学
非线性科学与系统科学
吉林大学学报(理学版)2022
吉林大学学报(理学版)2021
吉林大学学报(理学版)2020
吉林大学学报(理学版)2019
吉林大学学报(理学版)2018
吉林大学学报(理学版)2017
吉林大学学报(理学版)2016
吉林大学学报(理学版)2015
吉林大学学报(理学版)2014
吉林大学学报(理学版)2013
吉林大学学报(理学版)2012
吉林大学学报(理学版)2011
吉林大学学报(理学版)2010
吉林大学学报(理学版)2009
吉林大学学报(理学版)2008
吉林大学学报(理学版)2007
吉林大学学报(理学版)2006
吉林大学学报(理学版)2005
吉林大学学报(理学版)2004
吉林大学学报(理学版)2003
吉林大学学报(理学版)2002
吉林大学学报(理学版)2001
吉林大学学报(理学版)2000
吉林大学学报(理学版)1999
吉林大学学报(理学版)2018年第6期
吉林大学学报(理学版)2018年第5期
吉林大学学报(理学版)2018年第4期
吉林大学学报(理学版)2018年第3期
吉林大学学报(理学版)2018年第2期
吉林大学学报(理学版)2018年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号