科创中国

基于改进粒子群的加速K均值算法在入侵检测中的研究

原文链接：万方

• 作者：

  肖立中,刘云翔,陈丽琼

• 摘要：

  针对K均值算法在入侵检测中受初始聚类中心影响而不能获得全局最优,粒子群算法容易出现早熟收敛的问题,提出了一种基于改进粒子群的加速K均值聚类入侵检测算法(NPSO-AKM),对K均值算法和粒子群算法进行了改进和结合,使得算法具有较高的处理速度和全局搜索能力.针对NPSO-AKM是一种聚类算法的特点,设计了基于NPSO-AKM的入侵检测模型.针对实验数据集的特点,设计了交叉法用于构建高质量的训练数据集.通过实验分析和比较,该模型有较好较快的全局收敛能力,并能在入侵检测中获得令人满意的检测率和误检率.

• 关键词：

  K均值算法 粒子群算法 早熟收敛 入侵检测

• 作者单位：

  上海应用技术学院计算机科学与信息工程学院

• 基金项目：

  上海市教育委员会科研创新项目(12YZ164)

• 来源期刊：

  系统仿真学报

• 年，卷(期)：

  2014008