K-means算法在入侵检测系统上的应用与优化

入侵检测技术作为一种积极主动的安全防护手段,在保护计算机网络和信息安全中起到了越来越大的作用.数据挖掘通过从大型数据集抽取知识能够保证入侵检测技术异常检测有更高的准确率,并能够让误用检测中的已知行为模式的规则定义更加合理.本文选取了K-means算法作为例子,重点探讨了其算法本身的优缺点,对算法进行了改善,并对如何运用在入侵检测技术上做出了一定的说明,对入侵检测系统的改进提出了自己的见解.     

超级计算中心客户细分及差异化服务策略研究

本文以中国科学院计算机网络信息中心超级计算中心（以下简称超级计算中心）客户服务工作为研究对象,运用 K-means 算法对客户进行细分,进而对每类客户群提出相应的差异化服务策略。实施差异化服务策略可以更好地分配资源、提供更有效的客户服务。     

面向特定领域的产品评价对象自动识别研究

产品评价对象的自动识别是文本观点信息抽取和倾向性分析中的重要研究课题之一。该文针对汽车评论,提出了一种不依赖外部资源的无指导评价对象自动识别方法。该方法首先综合使用词形模板和词性模板,采用模糊匹配方法和剪枝法抽取候选评价对象。然后,从候选对象集中,采用双向Bootstrapping方法识别出产品评价对象。最后,通过采用K均值聚类方法对产品评价对象进行聚类,实现从评价对象中自动抽取产品名称和产品属性。实验结果表明,该方法对产品评价对象识别的F值达到58.5%,产品名称识别的F值达到69.48%。
     

基于改进遗传算法的组合服务选择方法

针对目前组合服务选择中所采用的遗传算法寻优性不足的问题,提出一种改进的遗传算法,通过采用自适应交叉、自适应变异、随机遍历选择等改进策略来提高算法的性能.仿真结果表明,改进后的遗传算法能够将适应度值提高7%左右,并且随着组合服务中原子服务数目的增加,优势越明显,因此该方法尤其适用于原子服务数目比较大的环境.     

一种基于改进型AntClust和K-means的混合聚类算法

针对改进型AntClust算法因为其随机性而产生较多误差的问题,将它与K-means算法进行组合,利用K-means算法计算精确的特点弥补改进型AntClust算法的缺点,从而形成一种新的混合聚类算法.实验结果表明,新的混合聚类算法具有更高的聚类精度.     

基于K-means聚类算法的校园网用户行为分析研究

利用数据挖掘相关技术,针对后台计费服务器的数据库,基于K-means算法以校园网用户行为特征为对象来进行聚类分析,提出了几个校园网用户行为分析的模型.此类模型为校园网管理者在制定有效管理策略,满足校园网用户个性化需求方面提供理论依据.     

半监督的三维网格模型层次分割

提出一种半监督K均值聚类和带状区域增长的三维网格模型层次分割算法,包括显著性特征点提取、预分割和后分割3个阶段.该算法在多维标度法的基础上进行显著性特征点提取;利用半监督K均值聚类算法来对原始模型进行初步的粗分割,以提高算法的整体效率;根据预分割结果,利用离散高斯曲率逼近,以带状推进的区域增长法进行层次的后分割.与同类算法相比,文中算法得到的分割边界更有意义,具有较高的边缘准确性和分割区域一致性.     

基于强化学习的自适应多Agent系统的构造

自适应系统所处的环境往往是不确定的,其变化事先难以预测,如何支持这种环境下复杂自适应系统的开发已经成为软件工程领域面临的一项重要挑战.强化学习是机器学习领域中的一个重要分支,强化学习系统能够通过不断试错的方式,学习环境状态到可执行动作的最优对应策略.本文针对自适应系统环境不确定的问题,将Agent技术与强化学习技术相结...     

PSO和K均值混合分类算法在远程教学系统中的应用

现行的多数网络教学系统在学生按需学习和＂因材施教＂上存在局限性,本文用PSO和K均值的混合分类算法对传统的网络教学系统进行改进,根据获取的用户基本信息和兴趣特征进行聚类,充分体现＂以学习者为中心＂个性化教学模式。实验结果表明,该算法具有较好的全局收敛性,寻优能力明显提升。     

基于图像局部结构的扩散平滑

各向异性扩散平滑去噪的主要特点是扩散方向的选择性与定向扩散能力,有效表征信号或图像的局部结构特征是各向异性扩散的基础,传统的梯度表示方法极易受到噪声干扰。该文在分析图像局部结构表征方式的基础上,定义一个图像的局部各向异性强度参数M,提出一个新的扩散方程。试验测试显示,新扩散模型相对于ALM模型与CAZ模型具有更好的噪声压制能力和定向扩散能力,信噪比分别提高了0.1 dB~0.8 dB和0.3 dB~1.2 dB。