10.3969/j.issn.1673-629X.2010.07.033
K-MEANS算法在IDS中的应用研究
聚类算法广泛应用于入侵检测系统(ID6)的数据挖掘中.虽然K-MEANS算法是最为经典的聚类算法之一,但是由于入侵检测系统的数据集具有特殊性,直接在其上进行K-MEANS聚类的效果不佳.为了提高K-MEANS在IDS数据集上的聚类准确性,引入一种数据预处理方法.该方法对IDS的记录特征做标准化处理,使原本取值范围差异很大的数值型特征在同一个区间内取值,排除原始数据中不同度量带来的不良影响,从而优化聚类的效果.仿真实验表明,K-MEANS算法对预处理后的IDS数据集的聚类准确度有很大的提高.
数据挖掘、入侵检测系统、K均值聚类、预处理
20
TP311(计算技术、计算机技术)
国家自然科学基金60863001;江苏省高校自然科学基础研究项目08KJB620002;南京邮电大学校科研基金NY207051
2010-09-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
129-131,封3