模糊聚类和QPSO算法在Ad Hoc异常检测中的应用

doi:10.3778/j.issn.1002-8331.2010.30.027

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (30): 92-94.DOI: 10.3778/j.issn.1002-8331.2010.30.027

模糊聚类和QPSO算法在Ad Hoc异常检测中的应用

张端¹，刘渊^1，2，郝建东¹

1.江南大学信息工程学院，江苏无锡 214122
2.江南大学数字媒体中心，江苏无锡 214122

收稿日期:2009-03-12 修回日期:2009-05-07 出版日期:2010-10-21 发布日期:2010-10-21
通讯作者: 张端

Network anomaly detection based on fuzzy clustering algorithm and QPSO algorithm in mobile Ad Hoc

ZHANG Duan¹，LIU Yuan^1，2，HAO Jian-dong¹

1.School of Information Engineering Jiangnan University，Wuxi，Jiangsu 214122，China
2.Digital Media Center，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2009-03-12 Revised:2009-05-07 Online:2010-10-21 Published:2010-10-21
Contact: ZHANG Duan1，LIU Yuan1，2，HAO Jian-dong1

摘要/Abstract

摘要： 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。

关键词: K-Means聚类算法, 量子粒子群算法, Ad Hoc无线网络, 异常检测

Abstract: Based on fuzzy clustering algorithm and QPSO clustering algorithm，a model of detecting network anomaly based on these two algorithms is presented.In cluster analysis，K-Means algorithm is one of the most widely used methods.The paper uses K-Means clustering algorithm to seed the initial swam.All the process of clustering based on the Euclidean distance among data-vectors.Cluster-center is chosen by QPSO clustering algorithm.Finally，the experiment result shows that this model is effective for wireless network anomaly detection.

Key words: K-Means clustering algorithm, Quantum behaved Paticle Swarm Optimization（QPSO） clustering algorithm, Ad Hoc wireless network, anomaly detection

中图分类号:

TP393.08

张端¹，刘渊^1，2，郝建东¹. 模糊聚类和QPSO算法在Ad Hoc异常检测中的应用[J]. 计算机工程与应用, 2010, 46(30): 92-94.

ZHANG Duan¹，LIU Yuan^1，2，HAO Jian-dong¹. Network anomaly detection based on fuzzy clustering algorithm and QPSO algorithm in mobile Ad Hoc[J]. Computer Engineering and Applications, 2010, 46(30): 92-94.

[1]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[2]	张博文，刘智，桑国明. 基于核密度波动的异常检测算法[J]. 计算机工程与应用, 2021, 57(12): 132-136.
[3]	麻琛彬，张政波，王晶. 基于深度学习的生理异常检测研究综述[J]. 计算机工程与应用, 2021, 57(10): 10-25.
[4]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[5]	刘杰，房俊，雷峰津. 电能质量异常数据在线检测方法[J]. 计算机工程与应用, 2020, 56(9): 240-247.
[6]	吴楚田，陈永乐，陈俊杰. 多协议交叉的HMM协议异常检测算法[J]. 计算机工程与应用, 2020, 56(8): 81-86.
[7]	黎佳玥，赵波，李想，刘会，刘一凡，邹建文. 基于深度学习的网络流量异常预测方法[J]. 计算机工程与应用, 2020, 56(6): 39-50.
[8]	贺寰烨，林果园，顾浩，方梦华. 云虚拟机异常检测场景下改进的LOF算法[J]. 计算机工程与应用, 2020, 56(23): 80-86.
[9]	展鹏，陈琳，曹鲁慧，许浩然，李学庆. 核转折点裁剪表示的时间序列异常检测算法[J]. 计算机工程与应用, 2020, 56(23): 130-138.
[10]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[11]	张常华，周雄图，张永爱，姚剑敏，郭太良，严群. 深度自编码器在数据异常检测中的应用研究[J]. 计算机工程与应用, 2020, 56(17): 93-99.
[12]	郭永坤，章新友，刘莉萍，丁亮，牛晓录. 优化初始聚类中心的K-means聚类算法[J]. 计算机工程与应用, 2020, 56(15): 172-178.
[13]	熊逸，梁意文，谭成予，周雯. 基于反向选择的地震前兆观测数据异常检测[J]. 计算机工程与应用, 2020, 56(10): 226-230.
[14]	崔芳怡1，荆晓远2，董西伟2，3，吴飞2，孙莹2. 自适应蝙蝠算法优化的模糊聚类及其应用[J]. 计算机工程与应用, 2019, 55(7): 16-22.
[15]	杨飞跃，陶洋. 时空协作的WSNs节点异常检测算法[J]. 计算机工程与应用, 2019, 55(7): 127-131.

模糊聚类和QPSO算法在Ad Hoc异常检测中的应用

Network anomaly detection based on fuzzy clustering algorithm and QPSO algorithm in mobile Ad Hoc

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics