模糊聚类和QPSO算法在Ad Hoc异常检测中的应用

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:feimaocug
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
根据模糊聚类算法和量子粒子群算法,提出一种基于以上两种算法的网络异常检测模型,并将该模型应用到Ad Hoc无线网络异常检测中。在聚类分析中,K-Means聚类算法是应用最广泛的方法之一。该模型先利用K-Means聚类算法的结果重新初始化粒子群,聚类过程都是根据数据向量间的欧几里德距离;再通过量子粒子群优化算法寻找聚类中心;最后进行仿真模拟,实验结果表明该模型对Ad Hoc无线网络异常检测是有效的。
其他文献
针对输油管道的具体情况,基于负压波原理,研制了一套输油管道泄漏检测系统.提出了负压波法泄漏检测需要解决的关键技术,即如何确定负压波的传播速度;如何确定负压波到达管道
如何透过单纯的预算数据来提高预算管理的层次,进而解决其有效性的问题,帮助企业达成最终目标,本文作了详细的探讨
提出了一种带有动态自适应惯性权重和随机变异策略的粒子群优化算法.在每次迭代时,算法可根据粒子的适应度变化动态改变惯性权重,从而使算法具有动态自适应性。当用早熟判断
视觉心理学研究表明人类在看一个场景时,往往会在很短时间内找到几个显著区,然后再细看显著区域的内容,这样可以使得人类可以快速分析复杂图像。算法首先模拟人类视觉系统特点,根据图像的底层信息如对比度、方向、亮度等提取图像中几个最需要关注的显著区域,然后按照显著性由强到弱的顺序分别在每个显著区域利用具有尺度旋转不变性的对数极坐标变换方法进行目标的匹配定位。该方法在没有牺牲定位准确度的前提下,大幅减小了运算