摘 要：在聚类分析中，距离及差异性（或相似性）度量方法是最基础的概念，度量方法的选择直接影响聚类结果的质量。本文在已有聚类算法的基础上，将混合数据的相异度矩阵与K-means算法相结合，提出了一种切实有效，具有较强通用性、稳定性的方法，对于入侵检测具有重大的现实意义。
　　关键词：聚类算法；入侵检测；相异度；遗传算法
　　中图分类号：TP393.08
　　1 混合数据的相异度的基本原理
　　1.1 KDDcup99数据集。该数据集首先在与KDD99同时举办的第三届国际知识发现和数据挖掘工具竞赛上使用，它包含了在军事网络环境中仿真的各种入侵数据。大多数的算法试验采用这一数据集，但往往都只对原始数据集进行简单的处理，以满足实验算法的需要，并没有考虑到原始数据集的特点，甚至破坏了原始数据集的特性。因此得出的实验结果并不能真正的反映问题，而且现实应用具有一定的局限性。
　　1.2 特征提取与主成分分析。对于实验所用的KDD99数据集，维数较高，数据量很大，聚类时需要耗费大量的时间，使得聚类变的难以实现。因此我们需要对其进行特征提取，使原有庞大的数据集改变的简单短小，并且可以保留原有数据的完整性，在这样抽样的数据上进行数据处理，效率变的更高。
　　1.3 K-Means算法原理。原始k-means算法的处理的过程为：要随机地选择若干k个对象，其中每个对象原始地代表了一个簇的平均值或中心。对其他剩余的每个对象，根据其与各个簇中心的距离，将它赋给最近簇。然后重新进行计算每个簇的平均值。此过程不断重复，一直到准则函数收敛。
　　2 基于相异度矩阵的K-means算法
　　参考文献：
　　[3]Eskin E，Arnold A，Prerau M et al.A geometric framework for unsupervised anomaly detection： Detecting intrusions in unlabeled data.In Data Mining for Security Applications，2002.
　　[4]Jiawei Han，Micheline Kamber.數据挖掘概念与技术（原书第二版）[M].范明，孟小峰.北京：机械工业出版社，2007，3.
　　作者简介：翟玲（1975.9-），女，1997年毕业于西安科技大学计算机及应用专业本科，项目管理专业研究生，助理工程师，从事数字图书馆、手机图书馆研究，现工作单位：西安科技大学图书馆。