期刊文献+

基于改进k-means算法的入侵检测系统及其应用研究 被引量:2

在线阅读 下载PDF
导出
摘要 对于目前网络中大量的未知新型攻击,数据挖掘技术有着比较好的应用,从而成为了入侵检测中的热点研究领域之一。文章基于上述背景,以聚类分析为主线,提高检测率和降低误报率为目标,开展以k-means算法为基础的入侵检测研究,提出一种增强的k-means算法,并进行实验仿真及结果分析。
作者 陈积 李海珍
出处 《企业科技与发展》 2014年第5期53-56,共4页 Sci-Tech & Development of Enterprise
  • 相关文献

参考文献9

  • 1腾讯科技.CSDN详解600万用户密码泄露始末[EB/OL].http://tech.qq.com/a/20111221/000485.htm, 2011 -12-21.
  • 2周明全,吕林涛,李军怀.网络信息安全技术[M].西安:西安电子科技大学出版社,2005: 89-102.
  • 3Jain A K, Murty M N, Flynn P J. Data Clustering: A Review[j], ACM Computing Surveys, 1999, 31(3): 264-323.
  • 4Kotsianris S, Pintelas P. Recent Advances in Clustering: A BriefSurvey[j ]. WSEAS Transactions on Information Science and App-Ucacion, 2004, 1(1): 73-81.
  • 5行小帅,焦李成.数据挖掘的聚类方法[J].电路与系统学报,2003,8(1):59-67. 被引量:55
  • 6孙吉贵,刘杰,赵连宇.聚类算法研究[J].软件学报,2008(1):48-61. 被引量:1108
  • 7钱卫宁,周傲英.从多角度分析现有聚类算法(英文)[J].软件学报,2002,13(8):1382-1394. 被引量:86
  • 8Macqueen, JB. Methods for classification and Analysis of Multiva-riate Observation[M], USA: University of California Press, 1967:281-297.
  • 9孙士保,秦克云.改进的k-平均聚类算法研究[J].计算机工程,2007,33(13):200-201. 被引量:50

二级参考文献69

  • 1刘静,钟伟才,刘芳,焦李成.免疫进化聚类算法[J].电子学报,2001,29(z1):1868-1872. 被引量:43
  • 2余建桥,张帆.基于数据场改进的PAM聚类算法[J].计算机科学,2005,32(1):165-167. 被引量:15
  • 3刘健庄,谢维信,黄建军,李文化.聚类分析的遗传算法方法[J].电子学报,1995,23(11):81-83. 被引量:27
  • 4李洁,高新波,焦李成.基于特征加权的模糊聚类新算法[J].电子学报,2006,34(1):89-92. 被引量:117
  • 5[1]Fasulo, D. An analysis of recent work on clustering algorithms. Technical Report, Department of Computer Science and Engineering, University of Washington, 1999. http://www.cs.washington.edu.
  • 6[2]Baraldi, A., Blonda, P. A survey of fuzzy clustering algorithms for pattern recognition. IEEE Transactions on Systems, Man and Cybernetics, Part B (Cybernetics), 1999,29:786~801.
  • 7[3]Keim, D.A., Hinneburg, A. Clustering techniques for large data sets - from the past to the future. Tutorial Notes for ACM SIGKDD 1999 International Conference on Knowledge Discovery and Data Mining. San Diego, CA, ACM, 1999. 141~181.
  • 8[4]McQueen, J. Some methods for classification and Analysis of Multivariate Observations. In: LeCam, L., Neyman, J., eds. Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability. 1967. 281~297.
  • 9[5]Zhang, T., Ramakrishnan, R., Livny, M. BIRCH: an efficient data clustering method for very large databases. In: Jagadish, H.V., Mumick, I.S., eds. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data. Quebec: ACM Press, 1996. 103~114.
  • 10[6]Guha, S., Rastogi, R., Shim, K. CURE: an efficient clustering algorithm for large databases. In: Haas, L.M., Tiwary, A., eds. Proceedings of the 1998 ACM SIGMOD International Conference on Management of Data. Seattle: ACM Press, 1998. 73~84.

共引文献1284

同被引文献8

引证文献2

二级引证文献8

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部