《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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．