基于量子人工鱼群和模糊核聚类算法的网络入侵检测模型研究

摘 要: 针对基于传统模糊C均值聚类的网络入侵检测模型存在分类效果不佳，且容易出现局部极值的问题，提 出了一种基于量子人工鱼群的半监督模糊核聚类算法。该算法使用少量的标记数据和大量未知标记数据生成网络入侵检 的分类，并通过核距离的方式构建了模糊C均值聚类算法的新目标函数，此外，结合了量子人工鱼群算法来解决模糊核 聚类算法的全局最优解问题，适用于并行执行架构。在KDD Cup 99网络入侵检测数据上的仿真实验结果表明，相比于 基于FCM和PSO-FCM的入侵检测模型，以及基于此提出的算法入侵检测模型具有更好的检测率。