针对现有的入侵检测对未知攻击检测率和误检率方面的不足,提出了基于蚁群聚类的入侵检测系统。首先研究了基本蚁群优化算法,在此基础上提出基于蚁群聚类的入侵检测算法,进而设计了基于蚁群聚类的入侵检测系统体系结
近邻传播聚类AP方法是近年来出现的一种广受关注的聚类方法,在处理多类、大规模数据集时,能够在较短的时间得到较理想的结果,因此与传统方法相比具有很大的优势。但是对于一些聚类结构复杂的数据集,往往不能得到
在分析归纳原有聚类方法不足的基础上,结合粗糙理论和模糊理论,给出了改进的粗糙模糊K-均值聚类算法;设计了新的模糊粗糙K-均值聚类算法,并验证了该聚类算法的有效性;而将这两种聚类算法应用到支持向量机中,
由于一维混沌映射有可能退化为周期以及密钥空间相对太小等缺点。现结合一次耦合形式的二维Logistic混沌映射,由此映射生成混沌序列,在空域上对图像进行加密,然后对其加密后的图像进行小波分解,对其小波系
提出一种基于改进PSO的优化滤波算法,构造多指标均衡的适应度函数,把滤波增益作为PSO的粒子进行优化求解,同时将最小方差鲁棒滤波增益和H∞滤波增益以及它们的组合平均值作为PSO的初始粒子,赋予粒子一定
针对现有入侵检测算法中存在着冗余或噪声特征导致的检测模型精度下降与训练时间过长的问题进行了研究,将特征选择算法引入到入侵检测领域,提出了一种基于特征选择的入侵检测方法。利用不同的离散化与特征选择算法生
基于改进K-Means算法的入侵检测方法,王倩,,近年来数据挖掘技术在入侵检测领域的应用越来越多,K-Means算法是聚类算法中一种高效的划分算法,应用广泛,但是基于K-Means聚类算法�
为尽量保留有价值的证据,并实现较大的数据缩减,设计了一种主动证据选取存储方法。根据IDS日志对安全事件进行分类,针对不同类型的安全事件选取并存储不同的网络数据作为证据存储,实现证据量与代价的折中。
针对蚁群聚类算法在聚类结果中出现部分数据划分不够准确的问题,提出一种基于信息熵调整的自适应混沌蚁群聚类改进算法。该算法通过优化过程中种群的信息熵来衡量演化的程度,自适应地调整信息素更新策略。每一次迭代
半监督聚类是通过在无监督算法的基础上加入有限的背景知识来实现的。现有的基于核的半监督聚类算法对于核参数的设定仍需人工进行调节,其选择值会极大地影响最终的结果。通过将关联加入到聚类目标函数中,在聚类过程