《表3 聚类算法的性能:利用改进DBSCAN聚类实现多步式网络入侵类别检测》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《利用改进DBSCAN聚类实现多步式网络入侵类别检测》
从表3可以看出,多步聚类过程中,自适应设参的改进DBSCAN聚类算法保持稳定的聚类簇数,达到每一步聚类的划分目的.由于样本数据划分依据二分类的高Fisher评分维度,聚类中的样本数据在空间呈现类二分态.改进的DB-SCAN算法基于空间密度分布,判断出样本数据的类二分态分布,进而自适应设定出较准确的聚类参数,使得聚类簇数基本满足划分需求.虽然Step 2中的簇数为3,但大簇是Dos类,两小簇主要是Probe类.同时,由于最小包含点数(Min Pts)和扫描半径(Eps)参数得到较准确的设置,改进的DBSCAN算法稳定保持低的噪声率和较高的准确度,表现出良好的聚类性能.
图表编号 | XD00157805500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 罗文华、许彩滇 |
绘制单位 | 中国刑事警察学院网络犯罪侦查系、中国刑事警察学院网络犯罪侦查系 |
更多格式 | 高清、无水印(增值服务) |