共查询到20条相似文献,搜索用时 281 毫秒
1.
2.
3.
4.
5.
针对当前入侵检测技术检测率较低、误报率较高,特别是难以检测新型入侵的不足,通过研究基于机器学习的异常入侵检测系统,提出了一种基于半监督模糊聚类的异常入侵检测算法SFCA(Semi-supervised Fuzzy Clustering Algorithm).算法通过加入数据之间的相关信息,同时引入代价函数来平滑目标函数,降低其对孤立点数据的敏感程度.通过利用少量的标记样本,生成用于初始化算法的种子聚类,然后辅助聚类过程.实验表明,与FCM(Fuzzy C-means)聚类算法相比,SFCA算法具有较高的性能. 相似文献
6.
《江苏科技大学学报(社会科学版)》2017,(6)
针对特定主题的微博文本进行聚类以发现潜在话题.基于深度学习的文本特征表示方法,并运用分布式计算平台提高了计算的效率。对竞争学习聚类算法进行介绍,提出了通过目标函数来分析聚类结果的好坏,通过评价实验得到的聚类结果,81.5%的聚类类别良好,说明竞争学习的聚类算法可以有效应用于大规模短文本. 相似文献
7.
提出了多目标函数评价法,通过定义两个新的目标函数实现了基于多目标微粒群优化聚类算法,可实现对多目标优化问题非劣最优解集Pareto的搜索.同时根据电磁力的计算公式定义了新的相似度测量方法,该相似度测量考虑了聚类簇的大小对数据划分的影响.给出了IRIS数据仿真结果,用入侵数据集KDD CUP99测试,实验结果验证了该算法的有效性. 相似文献
8.
针对基于监督学习入侵检测算法中面临标记大量数据的问题,提出了一种基于主动学习的半监督聚类入侵检测算法.该算法利用少量的标记数据,生成用于初始化算法的种子聚类,然后辅助聚类过程,并根据网络数据的特点,将主动学习策略应用于半监督聚类过程中,可用于检测已知和未知网络攻击.主动学习策略查询网络中未标记数据与标记数据的约束关系,对标记数据可以快速获得k个不相交的非空近邻集,很大程度上改进了算法的性能.实验结果表明了算法的可行性及有效性. 相似文献
9.
为了高效识别聚类边界,根据边界周围区域存在密度差异的特征,提出了一种网格 k‐近邻集的边界识别算法(BGN )。在网格空间中,该算法根据网格单元和它最近邻居单元的 k‐近邻集的质量及其单元间中心距离确定边界度,由边界度和边界阈值判断每个网格单元是否为边界单元或噪声单元。通过从边界单元中提取更靠边缘的数据作为边界点的方式,使得边界更精细。实验结果表明,该算法能有效和快速识别出多密度数据集的聚类边界和噪声。 相似文献
10.
11.
12.
根据高寒山地印军编制、武器装备等特点,在传统的模糊聚类评价法的基础上,通过引入信息熵的概念,建立了考虑权重关系的模糊相似矩阵,改进了模糊聚类评价方法。最后将改进的评价法应用于末制导炮弹打击目标排序中,提高了排序的准确性。 相似文献
13.
14.
陆虎 《江苏科技大学学报(社会科学版)》2008,22(2):67-70
针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。 相似文献
15.
16.
为满足高效聚类大规模数据集的要求,该文提出一种基于k均值算法的并行聚类算法,该并行算法能使聚类时间随节点主机数目的增多,呈近似线性递减。为了更好地平衡检测率与误报率,文章又提出了基于平方误差最小的重定位算法,相比于李娜等人提出的算法,该重定位算法使检测率提升了5%,误报率降低了1.1%。实验结果表明,该文算法不但能够提高聚类效率,而且能够更加有效地检测出已知和未知攻击。 相似文献
17.
为延长老龄导管架式海洋平台的使用寿命,对其进行安全评估具有重要意义.文章以渤海湾的一个老龄导管架平台为分析对象,建立了包含多重风险因素的安全评价指标体系,该体系包括三个层次:目标层,一级指标层,二级指标层.目标层包含3个一级指标:海洋环境,结构状态和人为因素.每个一级指标又分为3个二级指标.每个指标的权重通过层次分析法来计算以消除主观因素的影响.采用灰色聚类法定性和定量地评估导管架平台的失效风险.将风险评估标准分为5个等级,确定对应5个灰类的白化权函数.每个二级指标的灰色权向量由表上作业法计算得到.通过逐级计算,目标层的灰色评价值最终由灰色评价权向量单值化计算,灰色等级通过极大值原理确定.评价结果显示该老龄导管架平台失效风险等级是中等的.文中提出的安全评估方法是合理可行的. 相似文献
18.
19.
20.
基于减聚类-自适应神经模糊推理的船舶航向保持控制设计 总被引:1,自引:0,他引:1
为解决船舶在非线性和不确定性条件下的常规航向保持控制参数难以确定和性能较差的问题,提出一种基于减法聚类和神经模糊推理系统(SC-ANFIS)的船舶航向保持控制设计。基于鲁棒PID控制,借助减法聚类算法的学习能力对输入样本进行聚类分析,优化模糊量化和模糊规则,继而用神经-模糊推理的方法解决船舶的不确定性问题和非线性控制问题;同时,为避免维数灾难等问题发生,采用多维隶属度函数设计一种可在线自调整的基于SC-ANFIS的航向保持控制系统,并设计仿真试验进行对比分析。仿真试验结果表明,在存在模型参数摄动和干扰的情况下,基于SC-ANFIS的航向保持控制系统可行、有效,能取得良好的控制效果。 相似文献