计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
12期
3673-3676,3681
,共5页
入侵检测%改进K-means算法%朴素贝叶斯分类算法%检测率%误检率%漏检率%近似度距离
入侵檢測%改進K-means算法%樸素貝葉斯分類算法%檢測率%誤檢率%漏檢率%近似度距離
입침검측%개진K-means산법%박소패협사분류산법%검측솔%오검솔%루검솔%근사도거리
intrusion detection%improvement of K-means algorithm%na(i)ve Bayesian classification algorithm%detection rate%error rate%omission rate%approximate degree distance
针对当前入侵检测中存在检测率低,误检率和漏报率高的问题,提出了一种基于K-means聚类的贝叶斯分类算法(IKMNB).用改进的K-means聚类算法对原始数据集中的完整数据进行聚类,然后计算缺失数据集中的每条记录与k个簇中心之间的近似度距离,把记录归属为距离最近的一个簇,使得该记录的缺失值被相应簇中的属性值填充,最后运用贝叶斯分类算法对处理后的完整数据集进行分类.通过仿真实验验证了该算法与朴素贝叶斯算法相比提高了检测率,降低了误检率和漏报率.
針對噹前入侵檢測中存在檢測率低,誤檢率和漏報率高的問題,提齣瞭一種基于K-means聚類的貝葉斯分類算法(IKMNB).用改進的K-means聚類算法對原始數據集中的完整數據進行聚類,然後計算缺失數據集中的每條記錄與k箇簇中心之間的近似度距離,把記錄歸屬為距離最近的一箇簇,使得該記錄的缺失值被相應簇中的屬性值填充,最後運用貝葉斯分類算法對處理後的完整數據集進行分類.通過倣真實驗驗證瞭該算法與樸素貝葉斯算法相比提高瞭檢測率,降低瞭誤檢率和漏報率.
침대당전입침검측중존재검측솔저,오검솔화루보솔고적문제,제출료일충기우K-means취류적패협사분류산법(IKMNB).용개진적K-means취류산법대원시수거집중적완정수거진행취류,연후계산결실수거집중적매조기록여k개족중심지간적근사도거리,파기록귀속위거리최근적일개족,사득해기록적결실치피상응족중적속성치전충,최후운용패협사분류산법대처리후적완정수거집진행분류.통과방진실험험증료해산법여박소패협사산법상비제고료검측솔,강저료오검솔화루보솔.