基于熵重要测度权重粗糙集的阿尔法多层凝聚入侵分类

针对入侵检测数据量大,而文献[1]提出的α核心集的多层凝聚算法计算复杂度过高,影响实际应用的问题,提出一种基于熵重要测度权重粗糙集的α核心集多层凝聚入侵分类算法。首先,基于熵重要测度权重方法利用粗糙集对入侵检测数据进行预处理和属性约简,降低数据维数防止算法陷入"维数陷阱";其次,用熵重要测度权重距离代替阿尔法多层凝聚算法的欧式距离计算个体相似度,并实现粗糙集输出数据与阿尔法多层凝聚算法的有效对接。通过实验表明,基于熵重要测度权重粗糙集的α核心集多层凝聚入侵分类算法能够更加有效对KDD CUP 99标准数据库进行检测分类。

基于信息熵rough set的多层凝聚入侵检测算法

针对大数据量的入侵检测算法计算复杂度过高的问题,提出一种基于信息熵rough set的多层凝聚入侵检测算法。首先,利用粗糙集对入侵检测数据进行预处理和属性约简,防止算法陷入"维数陷阱";其次,用粗糙集熵重要测度权重距离代替多层凝聚算法的欧式距离计算个体相似度,实现粗糙集预处理与多层凝聚算法的对接;最后,通过实验表明,基于信息熵rough set的多层凝聚入侵检测算法能够更有效的对入侵数据进行检测。

基于均值聚类分析和多层核心集凝聚算法相融合的网络入侵检测

为了提高网络入侵的检测率,以降低误检率,提出一种基于均值聚分析和多层核心集凝聚算法相融合的网络入侵检的网络入侵检测模型。利用K-means算法对多层核心集凝聚算法的核心集,用其替代原粗化过程得到的顶层核心集,实现了顶层核心集的快速准确定位,简化了算法的计算复杂性。然后,将KM-Mul CA算法应用到入侵检测模型,最后采用KDD Cup 99数据集进行仿真实验。结果表明,本模型可以获得理想的网络入侵检测率和误检率。

基于多层核心集凝聚思想的视频关键帧提取

关键帧提取是视频检索的一项关键技术。针对传统的关键帧提取算法准确度低,视频检索的查全率和查准率不高的问题,提出一种基于多层核心凝聚思想的视频关键帧提取算法。首先,对文献[1]提出的多层核心集凝聚算法(MULCA)进行研究,并利用K-medoids算法用真实数据作为聚类中心的特性,对MULCA算法的凝聚粗化和凝聚细化两个重要过程进行改进,用其替代原粗化过程得到的顶层核心集,设计了一种新的多层核心集凝聚算法(IMULCA),实现了顶层核心集的快速准确定位,并可适当减少凝聚层数,简化了算法的计算复杂性。然后,将IMULCA算法应用到视频关键帧提取中,实验结果表明所提改进算法相对于原有算法能够更加有效地对视频关键帧进行提取。

基于多层核心集凝聚思想的视频关键帧提取

针对当前传统的关键帧提取算法准确度低,视频检索的查全率和查准率不高的问题,提出一种基于多层核心凝聚思想的视频关键帧提取算法。利用K-medoids算法优化多层核心集凝聚算法,用真实数据作为聚类中心的特性,对MULCA算法的凝聚粗化和凝聚细化两个重要过程进行改进,用其替代原粗化过程得到的顶层核心集,设计一种多层核心集凝聚算法（IMULCA）,实现顶层核心集的快速准确定位,适当减少凝聚层数,简化算法的计算复杂性。将改进算法应用到视频关键帧提取中,实验结果表明,改进算法相对于原有算法能够更加有效地对视频关键帧进行提取。