李冰
- 作品数：2 被引量：12H指数：2
- 供职机构：南京邮电大学计算机学院更多>>
- 发文基金：国家自然科学基金江苏省高校自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- K-MEANS算法在IDS中的应用研究被引量：3
- 2010年
- 聚类算法广泛应用于入侵检测系统(IDS)的数据挖掘中。虽然K-MEANS算法是最为经典的聚类算法之一,但是由于入侵检测系统的数据集具有特殊性,直接在其上进行K-MEANS聚类的效果不佳。为了提高K-MEANS在IDS数据集上的聚类准确性,引入一种数据预处理方法。该方法对IDS的记录特征做标准化处理,使原本取值范围差异很大的数值型特征在同一个区间内取值,排除原始数据中不同度量带来的不良影响,从而优化聚类的效果。仿真实验表明,K-MEANS算法对预处理后的IDS数据集的聚类准确度有很大的提高。
- 李玲娟李冰薛明
- 关键词：数据挖掘入侵检测系统K均值聚类预处理
- 一种基于特征加权的蚁群聚类新算法被引量：9
- 2010年
- 蚁群聚类算法作为一种群体智能的算法已经被证实可用于高维数据的聚类,能够快速有效地处理Web的海量、高维数据,但是传统的蚁群聚类算法并未考虑各维特征的贡献率,聚类的准确度有限。文中以优化聚类效果为目标,提出了一种基于特征加权的蚁群聚类新算法FWACCA,在新算法中考虑了各维特征对分类贡献的多少,合理地使用了Sigmoid概率转换函数和主客观结合的赋权法。实验结果表明此新算法可以有效减少聚类出错率,提高聚类的准确性。
- 李玲娟李冰
- 关键词：蚁群聚类特征加权
