基于聚类的模糊支持向量机入侵检测算法

为了提高模糊支持向量机在入侵检测数据集上的训练效率,提出了一种基于聚类的模糊支持向量机入侵检测算法.该方法可以对训练数据进行剪枝,有效地减少远离分类面的聚类边缘点的数量,同时在分类面附近保持较多的样本点,以靠近判别边界的聚类中心集合作为有效的训练样本集合对模糊支持向量机进行训练,减少了样本的训练时间,提高了算法的效率.实验结果表明该方法提高了模糊支持向量机的训练效率,而且对入侵检测是非常有效的.     

基于模糊聚类与免疫算法的入侵检测

文章提出了一个基于模糊聚类和免疫算法的入侵检测系统.该系统引入了模糊C-均值聚类算法,对待检数据进行预处理,减少了需检测的数据量,改进了检测方法,提高了系统的检测效率和检测能力.     

一种遗传与密度聚类结合的入侵检测算法

网络安全是当今信息社会人们所关注的问题,入侵检测机制是防范网络攻击的有效手段。聚类算法是建立入侵检测模型的重要手段,在各种聚类算法中,密度聚类基于密度而非距离进行聚类,可以克服"类圆形"的缺点,遗传算法借鉴生物学的技术,是用于寻找最优解的算法。将遗传算法和密度聚类相结合的一种入侵检测算法,可以更准确的判断网络异常行为,从而提高网络的安全性。     

一种基于聚类和LSA相结合的文本特征降维方法

提出了一种特征选择和特征抽取相结合的特征降维方法.首先使用改进的k-means聚类算法对特征进行选择,然后使用SVD方法在基于语义层面上对特征空间进行压缩,试验结果表明,这种特征降维模式在文本分类的准确性方面效果较好.     

一种基于攻击特征变异预测的网络入侵检测方法

提出了一种基于攻击特征变异预测的入侵检测方法。通过建立变异特征预测的数学模型,对网络攻击的变异特征进行变种可能性的预测,选取变异的攻击入侵特征值为检测参数,利用特征变异权值迭代预测攻击变异的可能,提高了网络变异入侵检测的准确率。实验证明,此检测方式能够提高变异后的网络入侵检测准确率。     

基于主成分和聚类分析的上市公司投资价值研究

选择31家A股农业上市公司进行研究,运用主成分和聚类方法分析了农业上市公司的投资价值,并提出相关建议,为投资者提供一定的投资依据和参考价值。     

基于主成分和聚类分析的图书馆服务效率综合评价

论述了主成分分析和K-均值聚类分析方法.选取具有8指标的10个图书馆样本数据,利用Matlab进行主成分分析,得到4个综合评价指标及其名次评价结果,利用K-均值聚类分析方法给出聚类结果.结果表明该方法能从众多因素中发现影响图书馆服务效率评价的主要因素,确保了评价的客观准确性;在大样本情况下由于维数下降,计算复杂度大大降低.     

基于主成分分析的医药类上市公司理财能力评价

医药行业已成为我国发展最快的行业之一,研究医药类上市公司理财能力的主要目的在于找出影响理财能力的主要因素,进而寻求增强其理财能力的有效突破点。采用主成分分析这一有效方法构建理财能力的评价模型并进行实证分析,得出的主要结论是:盈利能力与现金获取能力在理财能力评价中的贡献最大,其次是日常管理能力、股本扩张能力和偿债能力。理财能力的研究对于医药类上市公司实现企业价值最大化的财务管理目标具有理论与现实的双重意义。     

基于主成分神经网络和聚类分析的高校创新能力评价

提出一种基于主成分BP神经网络的评价模型,针对指标体系的众多指标进行正交约简,在保留大量指标信息的基础上开展高校创新能力评价,并对评价结果采用基于划分的K-均值聚类方法进行分组,避免了绝对排名带来的负面影响,评价结果证明了该评价模型和方法的有效性.     

聚类分析在入侵检测系统中的改进

本文针对传统的聚类算法在入侵检测系统中的不足,提出一种基于密度的初始聚类中心的选择方法,可克服普通K-Means中的需人工确定K值的问题,用此算法改进的入侵检测模型能够获得很好的聚类效果。对比实验结果,发现使用改进后的算法与传统的K-Means相比可以获得更高的检测率和较低的误报率。     

基于主成分分析和灰色理论的武汉市生态安全评价研究

结合长江经济带城市的生态特点,基于驱动力-压力-状态-影响-响应模型构建具有长江经济带特色的生态安全评价指标体系,通过主成分分析方法求取指标权重,运用灰色系统理论建立生态安全评价模型;以武汉市作为实证研究对象,对其近10年的生态安全状况进行评价;并根据评价结果,提出相应的对策建议。研究结果表明:武汉市2001—2014年间生态安全水平总体呈上升趋势,其中2014年生态安全水平最佳,达到良好水平。     

模糊聚类分析法在江西区域经济中的应用

运用模糊聚类分析法对江西11个市、地区的综合实力进行模糊聚类分析。结果江西分为三类地区,第1类为南昌市;第2类为景德镇市、鹰潭市、萍乡市、新余市;第3类为九江市、吉安市、宜春市、抚州市、上饶市、赣州市。分析结果与江西的实际情况比较吻合。     

一种基于核聚类的模糊支持向量机方法

模糊支持向量机（FSVM）具有很好的抗噪声能力,受到了很多专家的重视。然而模糊支持向量机算法的时间复杂度通常较高。针对这一不足,本文提出了一种基于核聚类的模糊支持向量机算法。首先根据核聚类算法对每一类原始样本进行聚类,然后对每一簇求样本中心,用样本中心作为新的样本点替换该类别的原始样本。最后本文算法利用中心距离型计算新样本的模糊权重,并利用模糊支持向量机算法进行求解。实验充分验证了本文算法相对于传统模糊支持向量机方法具有更快的分类速度。     

网络计量学的一种Internet分布式聚类分析软件

聚类分析是人类认识世界和归纳知识最基本的技术之一。对网络计量学也不例外，如对网站及文献资源进行分类分析等。模糊聚类分析通过计算模糊等价关系矩阵，保证了样品间相似关系的自反性、对称性，以及传递性，是一种反映客观世界真实相似关系的聚类技术。在本研究中，研制了可选择多种相似性测度的模糊聚类分析的Internet分布式计算软件FuzzyCluster。该软件由6个Java类和一个HTML文件组成，具有友好的图型用户界面，可在多种网络浏览器上运行，可用于网络计量分析研究。     

基于贝叶斯的入侵检测

入侵检测技术在网络安全领域的应用越来越重要,它是网络安全防护的重要组成部分。提出将贝叶斯原理应用于入侵检测,把AI领域中的概念引入入侵检测,建立入侵检测的规划识别模型,尝试预测攻击者的下一步行为或攻击意图,从而起到提前预警的作用。用一实例说明了贝叶斯原理在入侵检测领域内的一些应用,提出了一个基于改进贝叶斯算法的新模型。该模型提高了入侵检测系统的完备性和准确性,能有效保障信息系统的安全。     

基于模糊聚类和模式识别的企业财务风险分析

对具有不同度量单位的财务数据进行了标准化,根据最大最小法计算了相关系数,建立了相似矩阵,根据指标之间的相似度进行了模糊聚类,利用TOPSIS方法进行了模式识别。随机选取了29家不同财务状况上市公司的真实财务数据进行分析,其中训练样本23家,待估样本6家。利用SPSS软件,经过非参数检验、正态性检验等分析,确定了聚类和识别的相关指标。在对财务数据进行标准化后,根据模糊聚类方法将23家上市公司分为4类,并根据TOPSIS方法对6家评估样本进行了风险识别,以帮助决策者对本公司的财务风险进行管理。     

基于核Fisher鉴别分析的网络入侵检测算法

提出了一种将核Fisher鉴别分析特征抽取与多分类支持向量机算法结合的网络入侵检测技术,扩展了二分类支持向量机,利用经过核Fisher鉴别分析特征抽取后的训练数据构造优化的决策树,从而实现支持向量机的多分类.实验结果表明该算法能够提高检测正确率,同时降低训练时间,取得了良好的效果.     

基于流量分析的网络入侵检测浅析

随着网络技术的快速发展,Internet日益广泛的应用,网络安全也具有越来越重要的作用,通过对异常流量的分析进行网络入侵检测,对我们完善网络管理系统,提高系统安全性有重大意义.