已閱讀1頁，還剩66頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、入侵檢測技術(shù)作為一種主動防御的安全技術(shù)已經(jīng)成為了當(dāng)前重要的研究課題，聚類分析作為無監(jiān)督學(xué)習(xí)方法它可以直接在無標(biāo)記的數(shù)據(jù)上檢測入侵。而模糊聚類分析體現(xiàn)了樣本類屬的不確定性，更貼近現(xiàn)實(shí)事物的分類，提高對未知入侵的檢測能力，從而模糊聚類技術(shù)成為入侵檢測中的重要技術(shù)之一。
本文主要針對模糊C均值（FCM）聚類算法及其改進(jìn)的算法在入侵檢測中的應(yīng)用進(jìn)行了研究與分析。本文主要工作如下：
1、提出了基于初始點(diǎn)優(yōu)化與隸屬度函數(shù)優(yōu)化的F
2、CM算法（DMFCM）。該方法由原始的隨機(jī)選取聚類中心改為用密度法根據(jù)點(diǎn)密度大小來計(jì)算選取聚類中心，避免陷入局部最優(yōu)解；另外優(yōu)化了隸屬度函數(shù)從而降低了孤立點(diǎn)對聚類中心的影響。實(shí)驗(yàn)結(jié)果表明DMFCM算法的聚類速度和迭代次數(shù)明顯的降低，入侵檢測的速率有所加快，檢測率稍有提高。
2、提出了基于距離修正的模糊核C均值聚類算法（KFCM_d）。該方法在原始的模糊核C均值聚類算法（KFCM）采用了歐氏距離的基礎(chǔ)上考慮數(shù)據(jù)點(diǎn)與數(shù)據(jù)點(diǎn)間距離的
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 模糊C-均值聚類算法及其在圖像分割中的應(yīng)用.pdf
- 改進(jìn)的模糊C均值聚類算法在圖像分割中的應(yīng)用.pdf
- 全局模糊C-均值聚類算法在色彩遷移中的應(yīng)用.pdf
- 全局模糊c均值聚類算法在色彩遷移中的應(yīng)用(1)
- 改進(jìn)的模糊C-均值算法在文本聚類中的應(yīng)用研究.pdf
- 基于模糊C均值算法在文本聚類中的研究與實(shí)現(xiàn).pdf
- 入侵檢測中模糊C-均值聚類算法研究.pdf
- 34627.直覺模糊c均值聚類算法的研究及應(yīng)用
- 改進(jìn)的模糊C-均值聚類算法.pdf
- 基于Spark的模糊c均值聚類算法研究.pdf
- 模糊C均值聚類算法的研究與改進(jìn).pdf
- 模糊C均值聚類算法的相關(guān)問題研究.pdf
- 聚類算法在IDS特征分析中的應(yīng)用.pdf
- 模糊C-均值聚類的研究.pdf
- 自適應(yīng)模糊C-均值聚類算法研究.pdf
- 基于Weka平臺的改進(jìn)模糊C均值聚類算法研究與應(yīng)用.pdf
- 直覺模糊C均值聚類的圖像分割算法研究.pdf
- 改進(jìn)模糊C-均值聚類算法的數(shù)據(jù)挖掘研究.pdf
- 基于模糊c均值聚類的SAR圖像分割算法研究.pdf
- 基于GA優(yōu)化的核模糊C均值聚類算法的研究.pdf
評論
0/150
提交評論