PCA-AKM算法及其在入侵检测中的应用

• 作者: 孙忠林 牛雷
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: K均值算法 主成分分析 密权值 入侵检测
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信息安全
• 页码范围: 226-230
• 页数: 5页
• 分类号: TP393.08
• 字数: 4821字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.02.039

摘要

初始聚类中心是指在聚类的过程中首次被选为中心的点或对象.针对传统的K-means算法由于随机选择初始聚类中心而造成的聚类结果不稳定的问题,提出PCA-AKM算法.该算法利用主成分分析方法提取数据集中的主要成分,实现数据降维,使用自定义指标密权值选择初始聚类中心,避免聚类中心局部最优问题.将该算法与K-means算法在UCI数据集上进行聚类对比,其聚类稳定性高于传统K-means算法.在KDD CUP99数据集上,对所提算法进行入侵检测仿真,实验结果证明该算法检测率高,误检率低,能够有效提高入侵检测的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙忠林	山东科技大学计算机科学与工程学院	65	323	10.0	15.0
2	牛雷	山东科技大学计算机科学与工程学院	2	9	1.0	2.0