基于特征选择的K-means聚类异常检测方法

• 作者: 李娜 樊蓉
• 来源期刊: 网络安全技术与应用
• 关键词: K-means算法 异常检测 聚类 冗余特征
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 安全模型、算法与编程
• 页码范围: 25-26,30
• 页数: 3页
• 字数: 2549字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-6833.2018.04.013

摘要

K-means算法是一种采用距离作为相似性评价指标的聚类算法,其快速简洁的特点在异常检测场景中有一定的应用价值.但是,传统的K-means聚类算法在选取初始中心和度量相似性上有一定缺陷.针对传统的K-means算法中存在的问题,本文对原有的方法进行了改进.第一,在初始化聚类中心时选取了一种优化的方法作为初始聚类中心,替代原有的随机选择方法以减少计算量和迭代次数.第二,采用基于信息熵属性加权的样本相似性度量来进一步精确样本差异.实验过程中,针对异常检测数据含有冗余特征,对样本数据做了冗余特征过滤,实验结果表明改进之后的方法较传统的K-means算法有更好的检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李娜	四川大学计算机学院	117	516	12.0	18.0
2	樊蓉	四川大学计算机学院	2	3	1.0	1.0