【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第10期 302-307页,共6页

【作 者】： 孟静 ; 吴锡生

【摘 要】 研究准确检测入侵问题，为保护网络资源的安全，在入侵检测中需要预先指定聚类数目以及对初始中心敏感，但传统K均值算法易陷入局部最优。为解决上述问题，提出了一种自动确定聚类数的算法，首先通过多次执行样本抽样技术用最大最小距离算法产生一系列较优的聚类中心和聚类数目，作为差分进化算法的初始种群，然后在种群进化过程中以最优种群个体为指引，动态调整个体聚类中心和聚类数目，并且利用差分进化算法的全局寻优能力和K均值算法的局部搜索能力，对聚类中心和聚类数目同时进行优化，从而得到最佳的聚类划分和聚类数目。在上述算法的基础上。提出了一种入侵检测判断方法，通过对KDDCUPl999数据集的仿真结果表明，改进算法具有较好的入侵检测效果，能够有效的检测出网络中的入侵数据。