PCA-AKM算法及其在入侵检测中的应用

摘要：

初始聚类中心是指在聚类的过程中首次被选为中心的点或对象.针对传统的K-means算法由于随机选择初始聚类中心而造成的聚类结果不稳定的问题,提出PCA-AKM算法.该算法利用主成分分析方法提取数据集中的主要成分,实现数据降维,使用自定义指标密权值选择初始聚类中心,避免聚类中心局部最优问题.将该算法与K-means算法在UCI数据集上进行聚类对比,其聚类稳定性高于传统K-means算法.在KDD CUP99数据集上,对所提算法进行入侵检测仿真,实验结果证明该算法检测率高,误检率低,能够有效提高入侵检测的准确率.

关键词：K均值算法、主成分分析、密权值、入侵检测

所属期刊栏目：45

分类号：TP393.08(计算技术、计算机技术)

资助基金：“十二五”国家科技支撑计划基金项目2014BAL04B06

在线出版日期：2018-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：226-230