[發明專利]一種基于改進的K?Means聚類算法的網絡異常檢測方法在審
| 申請號： | 201710534586.3 | 申請日： | 2017-07-03 |
| 公開（公告）號： | CN107528823A | 公開（公告）日： | 2017-12-29 |
| 發明（設計）人： | 周杰英;邱榮發;楊詩珺;劉映淋 | 申請（專利權）人： | 中山大學 |
| 主分類號： | H04L29/06 | 分類號： | H04L29/06;G06K9/62 |
| 代理公司： | 廣州粵高專利商標代理有限公司44102 | 代理人： | 林麗明 |
| 地址： | 510275 廣東*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 改進 means 算法 網絡 異常 檢測 方法 | ||
1.一種基于改進的K-Means聚類算法的網絡異常檢測方法，其特征在于，包括：
步驟1，讀取數據及預處理：讀取訓練數據，對訓練數據進行歸一化預處理，隨機選取K個聚心C1,C2,…,CK；
步驟2，計算歐氏距離：分別計算第i個訓練樣本與K個聚心之間的距離di1(Xi,C1)，di2(Xi,C2)，…，diK(Xi,CK)；從中找出距離最小值所對應的聚心，并將該訓練樣本劃分到該聚心所對應的簇中；
步驟3，收斂聚心：重新計算簇的聚心，并且與之前的聚心進行比較，若聚心改變，則重復步驟2，直到聚心保持不變；
步驟4，異常簇的判定：應用少數服從多數原則，判定K個簇各自屬于正常類型還是異常類型，至此模型建立完畢；
步驟5，檢測測試樣本：輸入一個測試樣本到步驟4所建立的模型中，并按順序應用最近鄰規則、邊界規則和閾值規則三個決策條件來判斷測試樣本屬于異常樣本還是正常樣本。
2.根據權利要求1所述的方法，其特征在于，所述步驟1的過程具體為：
將訓練數據讀取進來，進行歸一化操作，首先計算每個特征的均值為：
上式中，znf表示第n個訓練樣本的f特征的值，n表示訓練樣本個數，接著計算平均絕對偏差為：
最后進行標準化計算為：
上式中，xif表示第i個訓練樣本的f特征的歸一化之后的值，將n個訓練樣本的每個特征都進行歸一化之后，得到新的樣本點，接著從中隨機選取K個樣本點作為初始聚心Cj，j＝1,2,…,K。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中山大學，未經中山大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710534586.3/1.html，轉載請聲明來源鉆瓜專利網。
