一种邻域粒的模糊C均值聚类算法

针对初始值和噪声的敏感性会导致模糊C均值聚类效果下降这一问题,引入粒计算理论,采用邻域粒化技术,提出邻域粒模糊C均值聚类算法。样本在单特征上使用邻域粒化技术构造邻域粒子,在多特征上粒化形成邻域粒向量,定义多种粒距离公式度量粒子之间的距离。根据粒距离度量,提出粒模糊C均值聚类算法,采用多个数据集进行实验,将粒模糊C均值聚类算法与经典聚类算法进行比较,验证了所提出的邻域粒模糊C均值聚类算法的可行性和有效性。

基于K-平均值方法的入侵检测系统

介绍了入侵检测系统,将数据挖掘中的K-平均值聚类方法应用于入侵检测系统,对仿真实验的结果进行了分析,证明了将K-平均值方法用于网络入侵检测的可行性。