文献类型：期刊文章

作　　者：肖立中[1] 邵志清[2] 马汉华[2] 王秀英[2] 刘刚[2]

机构地区：[1]上海应用技术学院计算机科学与信息工程系,上海200235 [2]华东理工大学信息科学与工程学院,上海200237

出　　处：《软件学报》

基　　金：国家自然科学基金No．60373075;上海高校选拔培养优秀青年教师科研专项基金No．YYY-07008;上海应用技术学院引进人才科研启动项目No．YJ2007-24~~

年　　份：2008

卷　　号：19

期　　号：8

起止页码：2140-2148

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对模糊C均值算法(fuzzy C-means algorithm,简称FCM)在入侵检测中需要预先指定聚类数的问题,提出了一种自动决定聚类数算法(fuzzy C-means and support vector machine algorithm,简称F-CMSVM).它首先用模糊C均值算法把目标数据集分为两类,然后使用带有模糊成员函数的支持向量机(support vector machihe,简称SVM)算法对结果进行评估以确定目标数据集是否可分,再迭代计算,最终得到聚类结果.支持向量机算法引入模糊C均值算法得出的隶属矩阵作为模糊成员函数,使得不同的输入样本可以得到不同的惩罚值,从而得到最优的分类超平面.该算法既不需要对训练数据集进行标记,也不需要指定聚类数,因此是一种真正的无监督算法.在对KDD CUP 1999数据集的仿真实验结果表明,该算法不仅能够得到最佳聚类数,而且对入侵有较好的检测效果.

关 键 词：模糊C均值算法 支持向量机 模糊成员函数  聚类数 入侵检测

分 类 号：TP393]