论文部分内容阅读
在研究网络安全问题中,针对传统的模糊C均值聚类算法(FCM)在海量的入侵检测数据中容易陷入局部最小值,运行效率低下以及结果稳定性差的缺点,提出了一种FCM和广义回归网络(GRNN)相结合的入侵检测算法。根据GRNN的高速全局寻优特点,利用FCM将原空间的待分类样本进行聚类,利用距离FCM聚类中心最近的样本点训练GRNN模型并更新中心点,直至得到稳定的聚类中心。为解决传统的FCM在入侵检测中结果稳定性差和收敛性差,检测精度低的问题。经仿真实验结果证明,结合的方法有效的克服上述缺点,提高了数据的检测率和