计算机科学 ›› 2008, Vol. 35 ›› Issue (12): 190-191.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要: 针对k-medoid算法不能有效聚类大数据集和高维数据的弱点,将核学习方法引入到k-medoid算法,提出了基于核的自适应k-medoid算法,使其能够对大数据集和高维数据进行聚类。用KDD99标准数据集进行实验研究,结果表明该算法性能是优良的,并且能获得令人满意的检测效果。
关键词: 聚类 核方法 核函数 k-中心点 异常检测
Abstract: Aiming at the weakness of k-medoid algorithm that it is unable effectively to cluster large data set and high- dimension data,kernebbased learning method was introduced to the k-medoid clustering algorithm, kernel-based adaptive k-medoid algorithm was pro
Key words: Cluster, Kernel method, Kernel function, K-medoid, Anomaly detection
. 基于核的自适应聚类及其在入侵检测中的应用[J]. 计算机科学, 2008, 35(12): 190-191. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2008/V35/I12/190
Cited