共查询到10条相似文献,搜索用时 78 毫秒
1.
基于主元分析与模糊C均值聚类的丙烯腈反应器优化 总被引:1,自引:0,他引:1
鉴于主元分析法的降维特性和模糊C均值聚类算法良好的分类性能,本文在丙烯腈反应器操作参数的优化中,结合这两种方法,将主元分析处理后的数据作为新的样本输入,利用模糊C均值聚类算法进行优化操作。在保留原有信息的基础上,去除了冗余数据,加快了聚类速度。实验表明,混合算法的聚类结果比单纯的基于聚类优化的方法能较好地对操作参数的优化起指导作用。 相似文献
2.
针对ISODATA算法需要人为给定分类数,对初始聚类中心较为敏感,没有显示出自动聚类效果等不足,结合基因表达式编程(GEP)嵌套构成迭代自组织模糊聚类进行优化计算。该方法不仅能在不需要先验知识的条件下对数据进行自动聚类,而且充分利用了GEP算法的全局寻优能力及ISODATA算法的软性分类特性,提高了算法的收敛速度和聚类精度。通过仿真验证及对比分析,运用到地理信息系统(GIS)物流选址实际问题中,得到了理想聚类效果。 相似文献
3.
为了提高科技创新人才培养过程中人才层次分类的效果,提出了一种结合主成分的改进K近邻优化的密度峰值聚类算法(IKDPC).首先,论文将主成分分析思想及流程融入到K近邻优化的密度峰值聚类算法(KNN-DPC)中来提高对高维数据的处理能力;进而,为了克服复杂数据集和噪声点对KNN-DPC算法的影响,对局部密度度量方法进行了改进,并设计了全新的两种样本数据点的分配策略,从而有效提高了聚类效率和聚类质量;最后,将IKDPC算法针对科技创新人才样本指标数据进行实例研究,实证结果表明该算法能有效地对科技创新人才进行分类,并为科学合理地探究科技创新人才培养过程中的分类问题提供科学量化参考. 相似文献
4.
5.
6.
7.
分析了模糊聚类中的FCM(Fuzzy C-Means)算法,利用该算法对一个TCP连接日志的抽样数据进行聚类,利用聚类中心对任选的两组数据集进行分类,并对聚类结果进行了分析。 相似文献
8.
基于智能蜂群算法的DDoS攻击检测系统 总被引:1,自引:0,他引:1
随着大数据应用的普及,DDoS攻击日益严重并已成为主要的网络安全问题。针对大数据环境下的DDoS攻击检测问题,设计了一种融合聚类和智能蜂群算法(DFSABC_elite)的DDoS攻击检测系统。该系统将聚类算法与智能蜂群算法相结合来进行数据流分类,用流量特征分布熵与广义似然比较判别因子来检测DDoS攻击数据流的特征,从而实现了DDoS攻击数据流的高效检测。实验结果显示,该系统在类内紧密度、类间分离度、聚类准确率、算法耗时和DDoS检测准确率方面明显优于基于并行化K-means的普通蜂群算法和基于并行化K-means算法的DDoS检测方法。 相似文献
9.
基于模糊C均值聚类的网络入侵检测算法 总被引:13,自引:2,他引:13
入侵检测已成为网络安全的第二层重要防御线。分析了对新型未知的攻击的入侵检测,提出基于模糊C均值聚类的网络入侵检测算法。用KDD-99数据集的仿真实验结果表明算法的可行性、有效性和可扩展性,并有效提高了聚类检测的检测率,降低了误检率。 相似文献