期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
入侵检测技术中k-means聚类算法综述
被引量：
3
下载PDF
职称材料
导出
摘要
聚类是入侵检测中重要技术之一,本文对入侵检测技术中k-means聚类算法进行了分类分析,分析了各种改进的k-means聚类算法的优点及其在入侵检测技术中的应用。
作者
杨文君
机构地区
浙江越秀外国语学院
出处
《科学技术创新》
2018年第36期65-66,共2页
Scientific and Technological Innovation
基金
黑龙江省教育厅科研项目(11551513)
2018年浙江越秀外国语学院课题(D2018003)
关键词
入侵检测
k_means算法
密度
距离
分类号
TP309 [自动化与计算机技术—计算机系统结构]
引文网络
相关文献
节点文献
二级参考文献
80
参考文献
10
共引文献
186
同被引文献
12
引证文献
3
二级引证文献
3
参考文献
10
1
崔文科..基于聚类算法的入侵检测系统的设计与实现[D].电子科技大学,2015:
2
刘闯,陈桂芬.
基于密度最大值的K-means初始聚类中心点算法改进[J]
.数字技术与应用,2017,35(11):118-119.
被引量：4
3
邢长征,谷浩.
基于平均密度优化初始聚类中心的k-means算法[J]
.计算机工程与应用,2014,50(20):135-138.
被引量：32
4
周炜奔,石跃祥.
基于密度的K-means聚类中心选取的优化算法[J]
.计算机应用研究,2012,29(5):1726-1728.
被引量：48
5
陈福集,蒋芳.
基于2d-距离改进的K-means聚类算法研究[J]
.太原理工大学学报,2012,43(2):114-118.
被引量：8
6
翟东海,鱼江,高飞,于磊,丁锋.
最大距离法选取初始簇中心的K-means文本聚类算法的研究[J]
.计算机应用研究,2014,31(3):713-715.
被引量：108
7
黎银环,张剑.
改进的K-means算法在入侵检测中的应用[J]
.计算机技术与发展,2013,23(1):165-168.
被引量：3
8
高波,黄敏.
基于k-means改进算法的入侵检测系统研究[J]
.电脑知识与技术,2014,0(11):7425-7427.
被引量：1
9
常刚,罗作民.
基于聚类算法的入侵检测系统设计[J]
.自动化与仪器仪表,2018,0(9):110-113.
被引量：7
10
赵石真..基于SVM的K-means聚类算法在WSN入侵检测中的应用[D].西华大学,2016:
二级参考文献
80
1
田地,张西芝,刘小航.
一种基于扩展的K-means聚类算法[J]
.河南教育学院学报（自然科学版）,2007,16(2):26-28.
被引量：3
2
卿斯汉,蒋建春,马恒太,文伟平,刘雪飞.
入侵检测技术研究综述[J]
.通信学报,2004,25(7):19-29.
被引量：234
3
王燕.
一种改进的K-means聚类算法[J]
.计算机应用与软件,2004,21(10):122-123.
被引量：9
4
袁方,孟增辉,于戈.
对k-means聚类算法的改进[J]
.计算机工程与应用,2004,40(36):177-178.
被引量：48
5
杨善林,李永森,胡笑旋,潘若愚.
K-MEANS算法中的K值优化问题研究[J]
.系统工程理论与实践,2006,26(2):97-101.
被引量：192
6
LI Han,ZHANG Nan,BAO Lihui.
Using an Improved Clustering Method to Detect Anomaly Activities[J]
.Wuhan University Journal of Natural Sciences,2006,11(6):1814-1818.
被引量：3
7
蒋盛益,李庆华.
一种增强的k-means聚类算法[J]
.计算机工程与科学,2006,28(11):56-59.
被引量：15
8
袁方,周志勇,宋鑫.
初始聚类中心优化的k-means算法[J]
.计算机工程,2007,33(3):65-66.
被引量：154
9
彭京,杨冬青,唐世渭,付艳,蒋汉奎.
一种基于语义内积空间模型的文本聚类算法[J]
.计算机学报,2007,30(8):1354-1363.
被引量：44
10
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
共引文献
186
1
梁胜彬,朱斌,渠慎明.
一种基于FOA与Autoencoder改进的聚类算法[J]
.河南大学学报（自然科学版）,2020,0(1):70-79.
2
段桂芹.
基于改进密度的簇内均值最小距离聚类算法[J]
.智能计算机与应用,2021,11(12):82-86.
被引量：1
3
胡伏生,杜强,万力,田开铭.
岩体渗透结构与矿坑涌水强度关系[J]
.长春科技大学学报,2000,30(2):161-164.
被引量：8
4
索飞,张洪伟,邹书蓉.
多目标监督聚类GA研究[J]
.成都大学学报（自然科学版）,2013,32(1):58-60.
5
叶安新,邓大勇.
基于改进量子遗传算法的聚类算法[J]
.计算机仿真,2013,30(4):275-278.
被引量：5
6
龚炳江,唐宇敬.
Android平台下煤矿瓦斯监控系统客户端研究[J]
.煤矿安全,2013,44(4):122-124.
被引量：6
7
任培花,王丽珍.
不确定域环境下基于DKC值改进的K-means聚类算法[J]
.计算机科学,2013,40(4):181-184.
被引量：7
8
王雪光,陈淑红.
基于K均值聚类的成熟草莓图像分割算法[J]
.农机化研究,2013,35(6):51-54.
被引量：24
9
樊晓光,路钊,王久崇,李国栋,谢朝政.
基于密度和距离积的聚类中心选取方法[J]
.测控技术,2013,32(10):152-154.
被引量：5
10
王娟,杨瑞峰,郭晨霞.
基于K-means聚类的光纤环边缘提取算法[J]
.传感器世界,2013,19(12):23-25.
同被引文献
12
1
庄池杰,张斌,胡军,李秋硕,曾嵘.
基于无监督学习的电力用户异常用电模式检测[J]
.中国电机工程学报,2016,36(2):379-387.
被引量：145
2
邢瑞康,李成海.
改进的聚类算法在入侵检测系统中的应用[J]
.火力与指挥控制,2019,44(2):124-128.
被引量：8
3
王必好,张郁.
基于贝叶斯网络的技术进步预测与路径优化选择[J]
.科学学研究,2019,37(8):1364-1374.
被引量：7
4
秦悦,丁世飞.
半监督聚类综述[J]
.计算机科学,2019,46(9):15-21.
被引量：18
5
杨俊闯,赵超.
K-Means聚类算法研究综述[J]
.计算机工程与应用,2019,55(23):7-14.
被引量：299
6
解滨,董新玉,梁皓伟.
基于三支动态阈值K-means聚类的入侵检测算法[J]
.郑州大学学报（理学版）,2020,52(2):64-70.
被引量：21
7
刘岳,刘宝旭,赵子豪,刘潮歌,王晓茜,吴贤达.
基于特征组合的Powershell恶意代码检测方法[J]
.信息安全学报,2021,6(1):40-53.
被引量：3
8
张昊,张小雨,张振友,李伟.
基于深度学习的入侵检测模型综述[J]
.计算机工程与应用,2022,58(6):17-28.
被引量：20
9
李嘉康,陶智麟,徐波,徐大勇,堵劲松,李华杰.
基于随机森林的烟叶纹理定量分析[J]
.湖北农业科学,2022,61(14):155-159.
被引量：5
10
吕广旭,卢加奇,魏先燕,王小英.
基于随机森林-聚类混合方法的多分类入侵检测研究[J]
.现代信息科技,2022,6(16):165-167.
被引量：1
引证文献
3
1
蒋赟启,黄霞,徐悦.
基于贝叶斯算法的投资情感分析[J]
.电脑编程技巧与维护,2020(7):14-15.
被引量：2
2
吕广旭,卢加奇,魏先燕,王小英.
基于随机森林-聚类混合方法的多分类入侵检测研究[J]
.现代信息科技,2022,6(16):165-167.
被引量：1
3
刘泊志,李田丰,吕珊珊,刘姝邑.
古代玻璃制品的成分分析与鉴别的模型研究[J]
.建模与仿真,2023,12(2):1185-1198.
二级引证文献
3
1
韩勇.
奋进中的天津609电缆有限公司[J]
.企业之友,2000(2):9-10.
2
刘芯溧.
基于大数据分析的智能客服系统研究[J]
.自动化与仪器仪表,2021(3):139-142.
被引量：4
3
刘泊志,李田丰,吕珊珊,刘姝邑.
古代玻璃制品的成分分析与鉴别的模型研究[J]
.建模与仿真,2023,12(2):1185-1198.
1
常俊飞,任思红,姚涛.
基于边界保留的点云精简算法研究[J]
.测绘与空间地理信息,2019,42(4):136-140.
被引量：2
2
徐馨韬,柴小丽,谢彬,沈晨,王敬平.
基于改进TextRank算法的中文文本摘要提取[J]
.计算机工程,2019,45(3):273-277.
被引量：24
3
王建仁,马鑫,段刚龙.
改进的K-means聚类k值选择算法[J]
.计算机工程与应用,2019,55(8):27-33.
被引量：111
4
任喜伟,何立风,姚斌,宋安玲,钟岩,刘艳玲.
油水界面测量过程中自适应阈值聚类优化算法[J]
.化工进展,2019,38(2):779-789.
被引量：5
5
辛壮,万良,李均涛.
改进的聚类算法在网络异常行为检测中的应用[J]
.计算机技术与发展,2019,29(3):111-116.
被引量：11
6
朱翠涛,鲁经纬.
大规模MIMO-NOMA下行系统可达吞吐量研究[J]
.中南民族大学学报（自然科学版）,2019,38(1):81-87.
被引量：1
科学技术创新
2018年 第36期
职称评审材料打包下载
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...
;
用户登录
登录
IP登录
使用帮助
返回顶部
