如需要完整文档点击下方 "点击下载文档" 按钮

针对模糊 C 均值聚类算法的入侵检测方法易陷入局部最优,受时间和空间复杂度约束,检测速率低并且使用原始数据集容易陷入“维度灾难冶等问题,提出了一种基于自编码网络(AN)特征降维结合遗传算法(GA)优化模糊 C 均值算法的聚类模型(AN-GA-FCM)。 该模型采用多层限制玻尔兹曼机(RBM)将高维、非线性的数据双向映射到低维空间,建立高维空间到低维空间的自编码网络,进而使用自编码网络权值微调重构低维空间数据的最优高维表示。 并利用遗传算法优化的 FCM 初始聚类中心,避免目标函数陷入局部最优。 将得到的特征降维数据集通过 GA-FCM 进行分类并在KDD爷99 数据集上进行检测,通过与 PCA,SVM,Softmax 等传统算法的实验对比,结果表明,该模型具有较高的入侵检测准确率和较低的分类检测时间。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于自编码网络和聚类的入侵检测技术》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062114

点击下载文档