摘要
针对密度聚类DBSCAN算法存在的聚类效果对输入参数敏感的问题,提出了一种基于k-means改进算法确定DBSCAN算法参数的方案来提高聚类质量。将改进k-means算法与DBSCAN算法相结合应用于入侵检测系统,实验结果表明,新方法较好地解决了传统DBSCAN聚类算法中参数选择的敏感问题,相比于李娜等人提出的算法,结合算法使检测率提高了3.32%,误报率降低了1.83%。
学科与关键词
关键词
入侵检测密度聚类算法参数选择 intrusion detectiondensity clustering algorithmparameter selection
- 一种基于高斯分布的自适应DBSCAN算法陈刚; 刘秉权; 吴岩微电子学与计算机, 2013, (03): 27.
- 基于聚类算法的数据库访问日记入侵检测邵磊; 陈志德电脑与电信, 2013, (04): 48-50.
- 利用一维投影分析的无参数多密度聚类算法钱美旋; 叶东毅小型微型计算机系统, 2013, (08): 1866-1871.
