论文部分内容阅读
针对K-means算法全局搜索能力不足,提出基于人工鱼群的优化K-means聚类算法（AFS-KM）,该算法克服了K-means聚类算法对初始聚类中心选择的敏感问题,能够获得全局最优的聚类划分。在聚类过程中,采用一种基于信息增益的属性加权的实体之间距离计算方法进行聚类划分时,对于球形数据和椭球形数据都能够获得理想的聚类划分结果。对KDD-99数据集的仿真实验结果表明,该算法在网络入侵检测时获得了理想的检测率和误报率。