基于KQPSO聚类算法的网络异常检测

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (11): 127-128.

基于KQPSO聚类算法的网络异常检测

马汝辉,刘渊,林星

江南大学信息工程学院，江苏无锡 214122

收稿日期:2007-08-01 修回日期:2007-10-19 出版日期:2008-04-11 发布日期:2008-04-11
通讯作者: 马汝辉

Network anomaly detection based on KQPSO clustering algorithm

MA Ru-hui,LIU Yuan,LIN Xing

School of Information Engineering，Southern Yangtze University，Wuxi，Jiangsu 214122，China

Received:2007-08-01 Revised:2007-10-19 Online:2008-04-11 Published:2008-04-11
Contact: MA Ru-hui

摘要/Abstract

摘要： 提出一种基于KQPSO聚类算法的网络异常检测模型.该模型利用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间的Euclidean（欧几里德）距离。再通过量子粒子群优化算法（QPSO）寻找聚类中心。最后进行仿真模拟，实验结果表明，该模型对网络异常检测是有效的。

关键词: QPSO算法, 网络异常检测, K-Means, KQPSO

Abstract: Model of detecting network anomaly based on KQPSO（K-Means Quantum-behaved Particle Swarm Optimization） clustering algorithms is presented.The authors uses K-Means clustering to seed the initial swam.All the process of clustering is based on the Euclidean distance among data vector.Cluster-centroid is chosen by QPSO clustering algorithm.Finally，the experiment result shows that this model is effective for network anomaly detection.

Key words: QPSO（Quantum-behaved Particle Swarm Optimization）algorithm, network anomaly detection, K-Means, K-Means Quantum-behaved Particle Swarm Optimization（KQPSO）

马汝辉,刘渊,林星. 基于KQPSO聚类算法的网络异常检测[J]. 计算机工程与应用, 2008, 44(11): 127-128.

MA Ru-hui,LIU Yuan,LIN Xing. Network anomaly detection based on KQPSO clustering algorithm[J]. Computer Engineering and Applications, 2008, 44(11): 127-128.

[1]	靳雁霞，王贺，程思岳，张晋瑞，程琦甫. 融合QPSO算法的多精度布料仿真建模方法[J]. 计算机工程与应用, 2019, 55(1): 154-160.
[2]	贾伟峰¹，刘凌霞¹，张凤荔². 近邻保持降维技术在网络异常检测中的应用[J]. 计算机工程与应用, 2010, 46(35): 101-103.
[3]	杨小明¹,施莹². 基于PSO算法的模糊神经网络的网络异常检测[J]. 计算机工程与应用, 2009, 45(6): 131-133.
[4]	魏小涛. 基于集对分析的半监督ISODATA聚类[J]. 计算机工程与应用, 2009, 45(36): 99-100.
[5]	靳雁霞¹，韩燮²，周汉昌². 具有量子行为的粒子群优化算法的改进[J]. 计算机工程与应用, 2009, 45(35): 41-43.
[6]	须文波，陈玉萍，孙俊. 基于DSP的图像压缩系统设计与算法研究[J]. 计算机工程与应用, 2007, 43(24): 88-90.
[7]	滕春英，须文波，孙俊. 基于HSI变换和QPSO变换的图像融合算法[J]. 计算机工程与应用, 2007, 43(16): 45-46.