K均值聚类算法对初始值的选取依赖性极大,易陷入局部极值。为此,结合模拟退火算法和K均值聚类思想,提出一种新的入侵检测方案。算法利用模拟退火算法对聚类分析中的聚类准则进行优化,以获得全局最优解,并进一步开拓模拟退火算法的并行...K均值聚类算法对初始值的选取依赖性极大,易陷入局部极值。为此,结合模拟退火算法和K均值聚类思想,提出一种新的入侵检测方案。算法利用模拟退火算法对聚类分析中的聚类准则进行优化,以获得全局最优解,并进一步开拓模拟退火算法的并行性以加快算法收敛速度。在KDD CUP 1999上进行了仿真测试,实验结果表明该方案优于基于K均值聚类的入侵检测算法,有较低的误检率与虚警率。展开更多
文摘K均值聚类算法对初始值的选取依赖性极大,易陷入局部极值。为此,结合模拟退火算法和K均值聚类思想,提出一种新的入侵检测方案。算法利用模拟退火算法对聚类分析中的聚类准则进行优化,以获得全局最优解,并进一步开拓模拟退火算法的并行性以加快算法收敛速度。在KDD CUP 1999上进行了仿真测试,实验结果表明该方案优于基于K均值聚类的入侵检测算法,有较低的误检率与虚警率。
