自适应ap聚类算法及其在入侵检测中的应用

？网络数据流量的增大对入侵检测系统的实时性提出了更高的要求，压缩训练数据可加快未知样本的分类处理速度。针对数据量过大造成压缩处理和聚类效率低下的难题，提出了一种改进的自适应ap（affinitypropagation）聚类方法，采取直接关联与簇中心距离较近样本的方法，减少聚类样本数量，降低聚类时空消耗，并依据关联结果，不断调整聚类参数，精确聚类结果。2个网络安全数据集的应用结果表明，该方法可从大规模样本中有效聚出代表性子集，在保证准确率的前提下，提高入侵检测的实效性。