基于权重设计的聚类融合算法研究及应用

摘要

随着信息技术的发展,特别是互联网的发展和信息量的爆炸性增长,信息的重要性与日俱增。作为数据挖掘的重要工具之一,聚类技术得到越来越多的关注。随着数据挖掘技术的广泛应用,聚类研究也面临更多新的内容和挑战,聚类稳定性、准确性和有效性是聚类分析领域中被广泛研究的问题。在聚类分析中聚类融合算法是一个新兴的研究方向。本文系统地分析了聚类分析领域的知识,充分地研究了聚类融合算法的基本原理和特性。当前聚类融合算法中大多不考虑进行融合的聚类成员的质量,而当部分成员的质量较差或者有噪声干扰时会影响融合结果,针对这个问题本文提出了基于权重设计的聚类融合算法。主要思想是通过评价聚类成员的质量及分析成员之间的差异度来设计各个成员的权重,进而得到更好的融合结果。该算法提高了质量较好的成员对结果的影响,有效地降低了噪声干扰,提高了聚类的精确度。最后,在分析了当前的入侵检测技术之后,将提出的改进算法应用到入侵检测系统中去。

目录

致谢

摘要

Abstract

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文研究内容及论文结构

2 聚类分析

2.1 聚类分析的基本概念

2.1.1 聚类分析的定义

2.1.2 聚类分析中的数据结构和数据类型

2.1.3 相异度和相似度度量

2.2 聚类算法

2.2.1 划分聚类方法

2.2.2 层次聚类算法

2.2.3 基于密度的方法

2.2.4 基于网格的方法

2.2.5 基于模型的方法

2.3 聚类算法的评估方法

3 聚类融合

3.1 聚类融合概述

3.2 聚类成员的产生

3.3 共识函数设计

3.3.1 基于共协矩阵的聚类融合

3.3.2 基于信息论的聚类融合

3.3.3 基于超图的聚类融合

3.3.4 基于混合模型（EM）的方法

4 基于权重设计的聚类融合算法

4.1 改进算法的提出

4.1.1 聚类融合算法中的问题

4.1.2 改进算法思路

4.2 权重设计

4.2.1 聚类成员综合质量度量

4.2.2 聚类成员的差异度度量

4.2.3 聚类成员的权重设计

4.3 基于权重设计的聚类融合算法

4.3.1 算法简介

4.3.2 算法过程描述

4.3.3 算法评价

4.4 算法实验及结果分析

4.4.1 随机数测试

4.4.2 UCI 数据集测试

5 基于权重设计的聚类融合算法在入侵检测系统中的应用

5.1 入侵检测系统概述

5.2 目前聚类分析在入侵检测系统中的应用及存在的不足

5.3 基于权重设计的聚类融合算法在系统中的应用框架

5.4 算法应用分析

结论

参考文献

作者简历

学位论文数据集