基于模拟谐振子的优化K-means聚类算法

摘要：

针对K-means算法全局搜索能力的不足,提出了基于模拟谐振子的优化K-means聚类算法(SHO-KM),该算法克服了K-means聚类算法对初始聚类中心选择敏感问题,能够获得全局最优的聚类划分.为了提高聚类划分质量,在聚类过程中采用基于Fisher分值的属性加权的实体之间距离计算方法,使用属性加权距离计算方法进行聚类划分时,无论是球形数据还是椭球形数据都能够获得较好的聚类划分结果.对KDD-99数据集的仿真实验结果表明,该算法在入侵检测中获得了理想的检测率和误报率.

关键词：聚类、模拟谐振子、Fisher分值、属性加权、入侵检测

所属期刊栏目：48

分类号：TP3(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金项目F200923

在线出版日期：2012-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：122-127