论文研究基于数据挖掘的增量密度聚类异常检测算法 .pdf
基于数据挖掘的增量密度聚类异常检测算法，乔佩利，李文龙，本文介绍了一种基于数据挖掘技术检测入侵检测模型的方法。把基于密度聚类的算法应用于入侵检测系统中，并且利用增量算法来解决静
用户评论
相关推荐
论文研究基于密度峰值聚类的流量异常检测方法.pdf
基于密度峰值聚类的流量异常检测方法，曾霄笑，杨杨，在网络中，流量是体现网络状态的一个重要数据，网络流量的异常通常反映出网络中的异常状态。通过对流量进行异常检测，能够及时发
PDF
0B
2020-03-04 19:16
论文研究基于KQPSO聚类算法的网络异常检测.pdf
介绍了一种基于有限缓存的输入队列交换机的集成调度和缓存管理策略（ISMM），该方案在吞吐量和平均延迟两项性能指标上有了很大改善。以前的许多关于输入队列交换机的调度方案都是在无限缓存的前提下完成的，但实
unkonw
0B
2020-02-17 19:58
论文研究基于密度比例的密度峰值聚类算法.pdf
CFSFDP（ClusteringbyFastSearchandFindofDensityPeaks）是一种新的基于密度的聚类算法。该算法可以对非球形分布的数据聚类，有待调节参数少、聚类速度快等优点。
PDF
0B
2020-01-14 08:21
论文研究一种基于密度的文本聚类挖掘算法.pdf
针对DBSCAN算法需用户设置参数值、易产生挖掘结果偏差等不足，提出改进算法DBTC(density-basedtextclustering)，该算法不仅能够发现任意形状的簇，还有效地解决了基于密度的
PDF
0B
2019-08-17 14:09
论文研究基于相对距离的密度聚类算法.pdf
首先介绍传统距离计算方法在聚类应用中的不足，并针对这点提出一种基于权重向量的相对距离计算方法。在应用DBSCAN算法的基础上，融入相对距离的计算及k-d树的范围查找的应用。该算法不仅能得到很好的聚类效
PDF
0B
2019-09-20 10:53
论文研究基于密度的改进BIRCH聚类算法.pdf
针对传统的BIRCH算法用直径来控制聚类的边界，对非球形聚类效果不佳，甚至会把非球状的簇分割为不同簇这一缺点，对BIRCH算法进行改进，改进算法首先建立多棵CF树，每棵CF树代表一个簇，并结合DBSC
PDF
0B
2020-03-04 19:16
基于相对密度的混合属性数据增量聚类算法
传统的基于密度的带噪声空间数据聚类算法主要存在以下问题: 聚类只对具有数值属性的数据有效, 而对 具有非数值属性的数据失效; 参数设置困难且聚类结果对参数较为敏感; 聚类的度量以绝对密度值为标准, 无
PDF
245KB
2021-01-16 21:04
论文研究基于网格密度影响因子的多密度聚类算法.pdf
提出了网格密度影响因子的概念，通过加权处理考虑了相邻网格的综合影响，能较好地代表当前网格相对密度，然后利用它来识别具有不同密度聚簇的高密度网格单元，并从高密度单元网格进行扩展，直至生成一个聚簇骨架，对
PDF
0B
2019-09-21 06:46
论文研究基于密度的异常数据检测算法GSWCLOF.pdf
为改善有关数据流的异常数据检测方法中存在的检测准确度低和执行效率低等问题，根据数据挖掘技术理论，提出了一种新的基于密度的异常数据检测算法GSWCLOF。该算法引入滑动时间窗口和网格的理念，在滑动时间窗
PDF
566KB
2020-07-18 02:54
论文研究基于K均值聚类的工业异常数据检测.pdf
针对当前工业异常数据检测技术未充分考虑数据的时序特征以及训练样本中可能含有异常样本的问题，提出一种检测异常数据的方法：基于时序特征将遥测量与遥信量分为离散量与连续变化量，并分别通过改进后的K-均值算法
PDF
0B
2019-09-18 05:45
论文研究基于聚类算法的Web日志挖掘.pdf
基于聚类算法的Web日志挖掘，徐翔，谢东亮，随着互联网的迅速发展，WWW网站中的日志信息现已呈现出爆炸式增长趋势。为了能充分挖掘Web日志中潜在的有效信息，本文提出一种Web日
PDF
398KB
2020-07-17 20:57
论文研究数据挖掘中的聚类算法综述.pdf
聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。全面总结了数据挖掘中聚类算法的研究现状，分析比较了它们的性能差异和各自存在的优点及问题，并结合多媒体领域的应用需求指出了其今后的发展趋势。
PDF
0B
2019-07-26 23:31
论文研究基于网格和密度的数据流聚类算法.pdf
基于网格和密度的数据流聚类算法，胡燕，李敏，本文改进了基于密度和网格的CLIQUE算法，并把它应用于数据流聚类中。通过新的摘要数据结构，网格不仅能记录数据流的统计信息，还能
其他文档
0B
2019-09-21 06:46
论文研究.基于网格梯度的多密度聚类算法.pdf
大多数现有的聚类算法都致力于发现任意形状、任意大小的类，但很难有效处理多密度的数据集。提出的算法利用网格聚类速度快的特点，先通过高斯平滑去除噪声，再采用网格梯度的思想找出隐藏在多密度数据集中的簇。算法
PDF
0B
2019-09-15 03:00
论文研究基于密度峰值优化的谱聚类算法.pdf
针对经典谱聚类算法无法自适应确定聚类数目，以及在处理大数据量的聚类问题时效率不高的问题，提出了一种基于密度峰值优化的谱聚类算法。该方法首先计算数据对象的局部密度，以及每个数据对象与其他数据对象的最小距
PDF
0B
2019-09-20 10:52