您的位置: 专家智库 > >

中央高校基本科研业务费专项资金(JUDCF13030)

作品数:2 被引量:18H指数:2
相关作者:胡文军王士同蒋云良任昌荣更多>>
相关机构:贵州民族大学江南大学湖州师范学院更多>>
发文基金:中央高校基本科研业务费专项资金国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇迭代
  • 1篇入侵
  • 1篇入侵检测
  • 1篇数据字典
  • 1篇子群
  • 1篇粒子群
  • 1篇量子粒子群
  • 1篇模糊分类器
  • 1篇模糊聚类
  • 1篇模糊聚类算法
  • 1篇模拟退火
  • 1篇聚类
  • 1篇聚类算法
  • 1篇可解释性
  • 1篇多种群
  • 1篇分类器
  • 1篇SA
  • 1篇K近邻

机构

  • 1篇贵州民族大学
  • 1篇辽宁对外经贸...
  • 1篇湖州师范学院
  • 1篇江南大学

作者

  • 1篇蒋云良
  • 1篇任昌荣
  • 1篇王士同
  • 1篇胡文军

传媒

  • 1篇电子与信息学...
  • 1篇计算机与现代...

年份

  • 1篇2020
  • 1篇2015
2 条 记 录,以下是 1-2
排序方式:
基于迭代模糊聚类算法与K近邻和数据字典的集成TSK模糊分类器被引量:15
2020年
该文提出一种新型的集成TSK模糊分类器(IK-D-TSK),首先通过并行学习的方式组织所有0阶TSK模糊子分类器,然后每个子分类器的输出被扩充到原始(验证)输入空间,最后通过提出的迭代模糊聚类算法(IFCM)作用在增强验证集上生成数据字典,从而利用KNN对测试数据进行快速预测。IK-D-TSK具有以下优点:在IK-DTSK中,每个0阶TSK子分类器的输出被扩充到原始入空间,以并行方式打开原始(验证)输入空间中存在的流形结构,根据堆栈泛化原理,可以保证提高分类精度;和传统TSK模糊分类器相比,IK-D-TSK以并行方式训练所有的子分类器,因此运行速度可以得到有效保证;由于IK-D-TSK是在以IFCM&KNN所获得的数据字典的基础上进行分类的,因此具有强鲁棒性。理论和实验验证了模糊分类器IK-D-TSK具有较高的分类性能、强鲁棒性和高可解释性。
张雄涛蒋云良潘兴广胡文军王士同
关键词:数据字典可解释性
基于MCQPSO-SA优化的KFCM算法在入侵检测中的应用被引量:3
2015年
同经典的FCM算法及其派生算法一样,KFCM算法对噪声及初始化中心敏感,容易陷入局部最优值。针对以上问题,本文提出一种改进的KFCM算法。通过引入多种群协同量子粒子群混合模拟退火算法(MCQPSO-SA)来优化KFCM算法,提高KFCM算法的搜索效率和全局搜索能力,使得算法较快地收敛到最优解。将改进算法用于构建入侵检测系统并通过模拟仿真实验表明,改进算法具有更好的检测性能,解决了传统的聚类算法在入侵检测中稳定性差、检测准确率低的问题。
任昌荣
关键词:模拟退火入侵检测
共1页<1>
聚类工具0