检索结果-内蒙古大学图书馆

作者：孙大朋哈尔滨理工大学

学位级别：硕士

随着网络技术和应用的发展,网络攻击和破坏的事件也层出不穷。网络安全问题日益突出,如何迅速有效地发现入侵行为,对保证系统和网络资源的安全显得十分重要。传统的防火墙等静态防御方式已很难满足网络安全的需求,而入侵检测作为一种积... 详细信息

随着网络技术和应用的发展,网络攻击和破坏的事件也层出不穷。网络安全问题日益突出,如何迅速有效地发现入侵行为,对保证系统和网络资源的安全显得十分重要。传统的防火墙等静态防御方式已很难满足网络安全的需求,而入侵检测作为一种积极主动的安全防护技术,是信息安全保护体系结构中的一个重要组成部分,入侵检测方法和技术的研究己经引起人们越来越多的重视。基于聚类分析的入侵检测方法是一种典型的无监督学习技术,可以在未标识的数据集上直接训练数据,建立入侵检测模型,检测异常数据,无需专家手工建立规则库,对提高入侵检测系统的效率有着重大的实际意义。但现有的模糊c -均值聚类方法有其缺点,在入侵检测的应用中得不到满意的效果。本论文基于上述研究背景,开展了以模糊c -均值聚类算法为基础的网络入侵检测研究,以提高入侵检测系统的检测率,降低入侵检测系统的误报率为目标。本文的主要工作如下: 首先,在分析当前入侵检测技术的现状、存在的问题和聚类分析方法的基础上,设计了一个基于模糊聚类的入侵检测系统框架,介绍框架每个模块的功能。其次,针对经典模糊c -均值算法聚类中心个数c难以确定的问题,提出了一种求聚类中心个数的算法;利用Mahalanobis距离的优点,提出了一个新的目标函数;针对模糊c -均值算法对初始值敏感,容易陷入局部值点而得不到最优解的缺点,结合粒子群算法的随机全局搜索优化的特点,将粒子群算法引入到改进的模糊c -均值算法中。最后,利用KDDcUP1999数据集对系统进行测试。实验结果表明,该系统具有较高的检测率和较低的误报率,提高了入侵检测质量,达到了预期目标。

关键词：入侵检测聚类分析模糊c-均值算法目标函数粒子群优化算法

来源：评论

学校读者我要写书评

暂无评论

基于人工免疫网络和模糊c-均值聚类的入侵检测方法

引用

计算机应用与软件 2011年第3期28卷 282-284,299页

作者：李丽娟唐文纪湖南大学计算机与通信学院湖南长沙410082

针对入侵检测方法中模糊c-均值(FcM)聚类算法对初始值敏感和要求输入聚类数目的缺点,把人工免疫网络算法用于FcM聚类算法,提出了一种基于人工免疫网络和模糊c-均值的入侵检测方法。通过KDD_cUP1999数据集仿真试验,与FcM算法相比,该算法... 详细信息

针对入侵检测方法中模糊c-均值(FcM)聚类算法对初始值敏感和要求输入聚类数目的缺点,把人工免疫网络算法用于FcM聚类算法,提出了一种基于人工免疫网络和模糊c-均值的入侵检测方法。通过KDD_cUP1999数据集仿真试验,与FcM算法相比,该算法提高了检测率,降低了误警率。实验结果表明,该方法能够有效地检测网络中的入侵行为。

关键词：入侵检测模糊c-均值算法人工免疫网络算法

来源：评论

学校读者我要写书评

暂无评论

模糊c聚类综合评价法在企业财务信用评级中的应用

引用

中国管理信息化 2011年第4期14卷 32-33页

作者：李凡江苏财经职业技术学院会计系江苏淮安223003

本文针对当前企业财务信用问题,提出了基于模糊c均值聚类和综合评价相结合的财务等级分类方法。探讨了聚类分析方法在财务信用分类中的应用,包括模糊聚类方法和根据聚类中心进行综合评价研究两个方面。采用实际的数据进行了实证分析,表... 详细信息

本文针对当前企业财务信用问题,提出了基于模糊c均值聚类和综合评价相结合的财务等级分类方法。探讨了聚类分析方法在财务信用分类中的应用,包括模糊聚类方法和根据聚类中心进行综合评价研究两个方面。采用实际的数据进行了实证分析,表明该方法可根据实际需要获取很好的评价分类效果,而且根据聚类中心进行评价,能更清楚地反映信用等级。

关键词：财务信用等级模糊c-均值算法综合评价

来源：评论

学校读者我要写书评

暂无评论

关于模糊c-均值(FcM)聚类算法的改进

引用

大连大学学报 2010年第6期31卷 1-4页

作者：王颖洁白凤波王金慧大连大学信息工程学院辽宁大连116622 北京海辉高科软件有限公司微软事业部北京100085 北京机电工程研究所北京100074

对模糊c-均值聚类算法的改进,即在原有的模糊c-均值算法的基础上,用一种新的定义距离的方法替代欧氏空间中距离的定义,改进模糊聚类算法。并且用数据仿真验证这种改进的模糊聚类算法与原来算法相比,聚类效果更好,分类更清晰。

关键词：模糊c-均值算法模糊加权距离模糊加权因子

来源：评论

学校读者我要写书评

暂无评论

基于微粒群优化算法的聚类分析及应用

基于微粒群优化算法的聚类分析及应用

引用

作者：吴变样中北大学

学位级别：硕士

聚类分析作为数据挖掘和模式识别的主要方法之一，越来越引起人们的关注。在众多的聚类方法中，c-均值算法是目前最实用也最受欢迎的算法之一。它不仅有着深厚的数学基础，而且在很多领域获得了成功的应用。但c-均值聚类算法的致命缺陷... 详细信息

聚类分析作为数据挖掘和模式识别的主要方法之一，越来越引起人们的关注。在众多的聚类方法中，c-均值算法是目前最实用也最受欢迎的算法之一。它不仅有着深厚的数学基础，而且在很多领域获得了成功的应用。但c-均值聚类算法的致命缺陷是对初始值比较敏感，往往只能得到模型的局部极值点，造成聚类结果的随机性，影响聚类的效果。微粒群优化算法（particle swarm optimization, PSO）是一种应用广泛的全局优化算法，它的主要特点是结构简单、易于实现、通用性强、具有记忆功能。因此，把微粒群优化算法同c-均值算法相结合，既能发挥微粒群优化算法的全局寻优能力，又可以兼顾c-均值算法的局部寻优能力，从而更好的解决聚类问题。本文主要对微粒群优化算法在聚类分析中的应用进行了研究。首先采用模糊球壳聚类算法FcSS(fuzzy c spherical shells)分别对非同心球壳状数据集和同心圆数据集进行了聚类实验。结果发现FcSS算法对非同心球壳状数据集分类的效果还是比较好的，而对于同心球壳状数据集的聚类基本无效。因此提出使用标准微粒群优化算法与FcSS相结合的球壳聚类方法（PSO-FcSS）来解决同心球壳聚类问题。通过实验发现：在对同心圆数据集的聚类问题上，PSO-FcSS算法与GA-FcSS算法(基于遗传算法的模糊球壳聚类算法)相比，有相对较快的收敛速度，但是全局收敛性较差，表现为随着数据点数和聚类类别数的增加，PSO-FcSS算法的聚类效果明显不尽人意；而GA-FcSS算法具有较好的全局收敛能力，但其缺陷是收敛速度慢。综合上述因素，将GA（遗传算法）、PSO算法以及FcSS相结合，提出混合球壳聚类算法PSO-GA-FcSS，用遗传算法的交叉因子和变异因子来优化微粒位置，增加其收敛到全局最优解的能力，用于解决球壳状数据的聚类问题。此外，本文还将基于微粒群优化算法的c-均值聚类算法应用于电信企业的客户细分中。在细分过程中，先采用微粒群优化算法产生初始解群后再进行迭代更新，在算法后期对新产生的个体用c-均值算法进行优化，提高算法的收敛速度。这样，算法基本不存在随机寻优的退化现象，后期收敛比较平稳，很少有波动现象，可以很好的解决客户分类问题,对企业决策和运营有很大的指导意义。

关键词：聚类模糊c-均值算法模糊球壳聚类算法微粒群优化客户细分

来源：评论

学校读者我要写书评

暂无评论

FcM聚类及其增量算法的研究

FCM聚类及其增量算法的研究

引用

作者：吴佳长沙理工大学

学位级别：硕士

作为数据挖掘技术的一个重要分支,聚类分析是数据挖掘中一种非常重要的挖掘方法。它主要研究数据之间的物理或逻辑关系,通过一组特定的规则把数据集划分成为若干个由性质相似的数据点组成的类。模糊c-均值聚类算法是一种比较常用的聚类... 详细信息

作为数据挖掘技术的一个重要分支,聚类分析是数据挖掘中一种非常重要的挖掘方法。它主要研究数据之间的物理或逻辑关系,通过一组特定的规则把数据集划分成为若干个由性质相似的数据点组成的类。模糊c-均值聚类算法是一种比较常用的聚类分析算法。它通过不断重复地修改聚类中心以及隶属度矩阵,从而实现对样本进行自动分类的目的。由于初始聚类中心对FcM聚类算法的影响较大,目前存在大量的改进算法。本文探讨了模糊c-均值聚类的改进及其增量聚类算法。所做的主要工作如下: 1.分析了FcM聚类算法的优缺点,并针对缺点进行改进,在目标函数中引入拉普拉斯系数,把对象间的结构信息转换为权重,从而提高算法的质量以及效率。将改进后的算法与增量聚类算法结合,该算法避免了大量的重复计算,并且不受孤立点的影响。 2.分析了现有的半监督模糊c-均值聚类算法,提出了一种基于改进的半监督模糊c-均值聚类方法。该算法把基于蚁群算法的模糊c-均值算法与半监督模糊c-均值聚类算法相结合,通过改变目标函数来提高算法的性能。当已标记样本占总样本数的比例越大时,算法性能越高。 3.对改进后的算法选取部分数据集使用MATLAB进行仿真实验,与其它算法的聚类结果进行比较,并分析实验结果。

关键词：数据挖掘聚类模糊c-均值算法半监督算法增量聚类算法蚁群算法

来源：评论

学校读者我要写书评

暂无评论

基于粒子群寻优机制的图像分割方法

引用

世界科技研究与发展 2011年第3期33卷 398-399,456页

作者：邢颖孙劲光辽宁工程技术大学电子与信息工程学院葫芦岛125105

利用粒子群优化(PSO)算法全局寻优、快速收敛的特点,结合模糊c-均值(FcM)图像分割算法提出一种新算法,用PSO算法代替了FcM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FcM算法易陷入局部极小的缺陷;同... 详细信息

利用粒子群优化(PSO)算法全局寻优、快速收敛的特点,结合模糊c-均值(FcM)图像分割算法提出一种新算法,用PSO算法代替了FcM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FcM算法易陷入局部极小的缺陷;同时也降低了FcM算法对初始值的敏感度。实验结果表明,与FcM相比该算法聚类更准确,效率更高,具有较高的分割速度和良好的抑制噪声的能力。

关键词：粒子群优化算法模糊c-均值算法图像分割

来源：评论

学校读者我要写书评

暂无评论

用于Web用户聚类的基于差分进化的模糊聚类算法

引用

电脑知识与技术 2011年第10X期7卷 7452-7454,7456页

作者：王艳茹山东科技大学山东青岛266510

Web用户聚类是实现自适应网站和为用户提供个性化信息服务的关键技术之一。将FcM算法与差分进化算法相结合,提出一种用于解决web用户聚类问题的混合算法,改进了适应度函数,并采用局部搜索策略进一步增强算法的寻优能力,加入FcM优化操作... 详细信息

Web用户聚类是实现自适应网站和为用户提供个性化信息服务的关键技术之一。将FcM算法与差分进化算法相结合,提出一种用于解决web用户聚类问题的混合算法,改进了适应度函数,并采用局部搜索策略进一步增强算法的寻优能力,加入FcM优化操作加速算法的收敛。实验表明,该算法全局搜索能力强,实现了较好的用户聚类效果。

关键词： Web用户聚类差分进化算法模糊c-均值算法局部搜索

来源：评论

学校读者我要写书评

暂无评论

基于HPSO和FcM的多光谱遥感图像湿地分类

引用

光谱学与光谱分析 2010年第12期30卷 3329-3333页

作者：蒋卫国陈强郭骥唐宏李雪北京师范大学地表过程与资源生态国家重点实验室北京100875 北京师范大学环境演变与自然灾害教育部重点实验室北京100875 北京师范大学数学科学学院北京100875

分析了基本粒子群算法(PSO)、混合粒子群优化算法(HPSO)和模糊c-均值算法(FcM)的特点,将模糊c-均值算法引入到混合粒子群优化算法中,发展和改进了HPSO-FcM算法,并在Fortran语言和MATLAB环境下开发实现HPSO-FcM程序。以2009年6月份的环... 详细信息

分析了基本粒子群算法(PSO)、混合粒子群优化算法(HPSO)和模糊c-均值算法(FcM)的特点,将模糊c-均值算法引入到混合粒子群优化算法中,发展和改进了HPSO-FcM算法,并在Fortran语言和MATLAB环境下开发实现HPSO-FcM程序。以2009年6月份的环境一号卫星多光谱可见光图像和ENVI-SAT的ASAR微波图像为基础数据,通过波段叠加和主成分分析,得到前3个主成分合成图像。利用HP-SO-FcM算法和非监督学习动态聚类算法(ISODATA)分别对湖南东洞庭湖3个主成分合成图像,进行湿地分类实验。结果表明:(1)将模糊c-均值算法引入到混合粒子群优化算法中,具有较好的搜索速度和收敛精度,能有效寻找和优化最佳聚类中心。(2)HPSO-FcM算法在多光谱遥感图像湿地分类精度比较高,是一种有效的遥感图像分类方法。

关键词：混合粒子群算法模糊c-均值算法湿地分类遥感

来源：评论

学校读者我要写书评

暂无评论

基于免疫遗传算法的模糊c-均值聚类

引用

计算机工程与应用 2009年第23期45卷 152-153,169页

作者：孙洋罗可长沙理工大学计算机通信与工程学院长沙410076

为了克服FcM算法对初值的敏感性,提出了一种基于免疫遗传算法的FcM算法。该算法利用免疫系统原理和遗传算子自适应调整的方法(即免疫遗传算法)来改进FcM算法。实验证明该算法能有效解决未成熟收敛的问题,保证了种群的多样性,使聚类问题... 详细信息

为了克服FcM算法对初值的敏感性,提出了一种基于免疫遗传算法的FcM算法。该算法利用免疫系统原理和遗传算子自适应调整的方法(即免疫遗传算法)来改进FcM算法。实验证明该算法能有效解决未成熟收敛的问题,保证了种群的多样性,使聚类问题最终快速、有效地收敛到全局最优解。

关键词：聚类算法模糊c-均值算法免疫遗传算法免疫遗传FcM算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：