期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于IKMNB分类算法在入侵检测中的应用 被引量:1
1
作者 王辉 崔静静 刘淑芬 《计算机应用研究》 CSCD 北大核心 2014年第12期3673-3676,3681,共5页
针对当前入侵检测中存在检测率低,误检率和漏报率高的问题,提出了一种基于K-means聚类的贝叶斯分类算法(IKMNB)。用改进的K-means聚类算法对原始数据集中的完整数据进行聚类,然后计算缺失数据集中的每条记录与k个簇中心之间的近似度距离... 针对当前入侵检测中存在检测率低,误检率和漏报率高的问题,提出了一种基于K-means聚类的贝叶斯分类算法(IKMNB)。用改进的K-means聚类算法对原始数据集中的完整数据进行聚类,然后计算缺失数据集中的每条记录与k个簇中心之间的近似度距离,把记录归属为距离最近的一个簇,使得该记录的缺失值被相应簇中的属性值填充,最后运用贝叶斯分类算法对处理后的完整数据集进行分类。通过仿真实验验证了该算法与朴素贝叶斯算法相比提高了检测率,降低了误检率和漏报率。 展开更多
关键词 入侵检测 改进K-MEANS算法 朴素贝叶斯分类算法 检测率 误检率 漏检率 近似度距离
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部