科技广场
科技廣場
과기엄장
SCIENCE TECHNOLOGY PLAZA
2011年
7期
95-98
,共4页
数据挖掘%入侵检测%K-Means算法%聚类分析
數據挖掘%入侵檢測%K-Means算法%聚類分析
수거알굴%입침검측%K-Means산법%취류분석
Data Mining%Intrusion Detection%K-Means Algorithm%Clustering Analysis
本文针对传统的聚类算法在入侵检测系统中的不足，提出一种基于密度的初始聚类中心的选择方法，可克服普通K-Means中的需人工确定K值的问题，用此算法改进的入侵检测模型能够获得很好的聚类效果。对比实验结果，发现使用改进后的算法与传统的K-Means相比可以获得更高的检测率和较低的误报率。
本文針對傳統的聚類算法在入侵檢測繫統中的不足，提齣一種基于密度的初始聚類中心的選擇方法，可剋服普通K-Means中的需人工確定K值的問題，用此算法改進的入侵檢測模型能夠穫得很好的聚類效果。對比實驗結果，髮現使用改進後的算法與傳統的K-Means相比可以穫得更高的檢測率和較低的誤報率。
본문침대전통적취류산법재입침검측계통중적불족，제출일충기우밀도적초시취류중심적선택방법，가극복보통K-Means중적수인공학정K치적문제，용차산법개진적입침검측모형능구획득흔호적취류효과。대비실험결과，발현사용개진후적산법여전통적K-Means상비가이획득경고적검측솔화교저적오보솔。
This essay focus on the shortcoming of clustering algorithm on the intrusion detection system,put forward a original clustering center selection based on destiny which can solve the problem of K-Means algorithm need manual set K value. On the basic of this algorithm, The intrusion detection module can make a good effect. After the compared experiments show that the advanced clustering algorithm can improve the efficiency of data clustering.
