理工类开题报告范文 .pdfVIP

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

希望本文对您有所帮助!

理工类开题报告范文

导读:本文是关于理工类开题报告范文,希望能帮助到您!

题目:聚类算法研究及其在IDS中的应用

一、论文的研究内容

论文的研究内容包括两个方面:一是研究新的高效的聚类算

法;一是把已有的聚类算法或论文提出的新算法和入侵检测技术

相结合,从而提出一个好的入侵检测模型。具体的研究内容包括

以下几个点:

第一、针对聚类算法的研究问题:

1、如何提高算法的可扩展性

许多聚类算法在小于200个数据对象的小数据集上是高效率

的,但是无法处理一个大规模数据库里的海量对象。现有的聚类

算法只有极少数适合处理大数据集,而且只能处理数值型数据对

象,无法分析具有类属性的数据对象。

2、如何处理离群点

在实际应用中,估计数据集中的离群点可能是非常困难的,

很多算法通常丢弃增长缓慢的簇,这样的簇趋向于代表离群点。

然而在某些应用中,用户可能对相对较小的簇比较感兴趣,比如

入侵检测中,这些小的簇可能代表异常行为,那么我们需要考虑

在对算法影响更小的前提下,如何更好的处理这些离群点。

3、研究适合具有类属性数据的聚类算法的有效性

对聚类分析而言,有效性问题通常可以转换为最佳类别数K

希望本文对您有所帮助!

的决策。而目前有关聚类算法的有效性分析,大都集中在对数值

数据的聚类方式分析上。对于具有类属性的数据聚类,还没有行

之有效的分析方法。

第二、针对聚类算法在IDS应用中的研究问题:

1、如何结合聚类技术和入侵检测技术取得更好的效果

很多的聚类算法都已经和IDS应用环境结合起来了,很多研

究者对前人提出的算法作出改进后,应用到IDS系统中去,或者

提出一个全新的算法来适应IDS的要求。随着聚类技术的不断发

展,聚类技术在入侵检测中的应用将是一个很有前景的工作。我

们需要把更好的聚类技术成果应用到入侵检测中。

2、利用聚类技术处理入侵检测中的频繁误警

虽然入侵检测是重要的安全措施,然而它常常触发大量的误

警,使得安全管理员不堪重负,事实上,大量的误警是重复发生

并且频繁发生的,可以利用聚类技术来寻找导致IDS产生大量误

警的本质原因。

二、学位论文研究依据

学位论文的选题依据和研究意义,以及国内外研究现状和发

展趋势

聚类分析研究已经有很长的历史,其重要性及其与其他研究

方向的交叉特性已经得到了研究者的充分肯定。对聚类算法的研

究必将推动相关学科向前发展。另外,聚类技术已经活跃在广泛

的应用领域。作为与信息安全专业的交叉学科,近年来,聚类算

法在入侵检测方面也得到大量的应用。然而,聚类算法虽取得了

长足的发展,但仍有一些未解决的问题。同时,聚类算法在某些

希望本文对您有所帮助!

应用领域还没有充分的发挥作用,聚类技术和入侵检测技术结合

得还不够完善。在这种背景下,我们认为,论文的选题是非常有

意义的。

本论文研究的内容主要包括两个方面:聚类算法的研究以及

聚类算法在入侵检测中的应用。下面从两个方面阐述国内外这两

个方面的发展现状和趋势:

前人已经提出很多聚类算法,然而没有任何一种聚类算法可

以普遍适用于揭示各种多维数据集所呈现出来的多种多样的结构,

根据数据在聚类中的积聚规则以及应用这些规则的方法,可以将

聚类算法分为以下几种:

1.划分聚类算法

划分聚类算法需要预先指定聚类数目或聚类中心,通过反复

迭代运算,逐步降低目标函数的误差值,当目标函数收敛时,得

到最终的聚类结果,划分聚类算法典型代表是k-means算法[1]和

k-modoids算法。这些算法处理过程简单,运行效率好,但是存在

对聚类数目的依赖性和退化性。迄今为止,许多聚类任务都选择

这两个经典算法,针对k-means及k-modoids的固有弱点,也出

现了的不少改进版本。

2.层次聚类算法

又称树聚类算法

文档评论(0)

lzy5536lzy + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档