基于系統(tǒng)能量理論的聚類算法及其應(yīng)用研究.pdf

1、聚類就是要把大數(shù)據(jù)集合中相似度較高的對象聚集在一起，而把相似度較低的對象區(qū)分丌來，使得類之間相似性盡量小，而類內(nèi)的相似性盡量大．目前聚類已被應(yīng)用于多個(gè)領(lǐng)域，但隨著人類對自然和社會認(rèn)識的不斷深入，對現(xiàn)有聚類算法提出了新的挑戰(zhàn)．
　　 毋庸置疑，現(xiàn)有的算法確實(shí)能夠解決…些問恿．但是還不存在“萬能”的解決方案．把聚類算法應(yīng)用到入侵檢9，過程中則是人們研究的一個(gè)新的領(lǐng)域，尤其是網(wǎng)絡(luò)的高速發(fā)展對入侵檢Sc系統(tǒng)提出丁新的要求．這些挑戰(zhàn)和要求

2、需要人們對聚類作進(jìn)一步的研究．
　　 本論文首先介紹聚類的定義，綜述幾種常用的聚類算法，分析聚類的有效性，給出多種聚類有效性評價(jià)指標(biāo)，并分析和總結(jié)各自的特點(diǎn)。接著提出一種新的聚類算法，即基于系統(tǒng)能量理論的聚類算法．在這個(gè)過程中．定義能量函數(shù)和聚類預(yù)處理，詳細(xì)地描述聚類過程，并結(jié)合熵理論提出種新的聚類有效性評價(jià)函數(shù)，還通過信息熵與樣本分布的關(guān)系、信息熵與樣本相似性系數(shù)的關(guān)系、相似性系數(shù)與樣本系統(tǒng)能量的關(guān)系推導(dǎo)出了信息熵與樣本系統(tǒng)能

3、量的關(guān)系．并經(jīng)過實(shí)驗(yàn)證明本文提出的聚類算法和聚類有效性函數(shù)的有效性。再次，為了更準(zhǔn)確的得到樣本系統(tǒng)的能量，提高聚類算法的分類準(zhǔn)確性，通過分析神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式和算法，尤其是對BP神經(jīng)網(wǎng)絡(luò)的分析，提出一種新的神經(jīng)網(wǎng)絡(luò)模型，利用該神經(jīng)網(wǎng)絡(luò)來調(diào)節(jié)樣本不同屬性的權(quán)重，井推導(dǎo)神經(jīng)網(wǎng)絡(luò)初始權(quán)值的確定方法和神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程．接著．綜述入侵檢測系統(tǒng)的原理和性能評價(jià)方法，構(gòu)建系統(tǒng)的結(jié)構(gòu)，給出檢測過程，為了提高檢測效率，還重點(diǎn)分析數(shù)據(jù)約簡算法．最后對KDD