论文研究改进Kmeans算法在入侵检测中的应用研究.pdf

为了弥补传统K-means聚类算法在K值确定和初始中心选择难等方面的不足，基于“合并与分裂”思想，提出一种改进的K-means聚类算法。将数据独立程度概念引入实验数据子集构造理论中，利用独立程度评价属性的重要性；根据点密度将数据集合并为若干类，结合最小支撑树聚类算法与传统K-means聚类算法实现分裂;使用KDDCup99数据集对改进算法在入侵检测中的应用进行仿真实验。结果表明，改进算法在检测率和误报率方面均优于传统K-means算法。