基于自编码网络和聚类的入侵检测技术

• 作 者: 周康 万良
• 机 构: 贵州大学计算机科学与技术学院,贵州大学软件与理论研究所
• 出 处: 计算机技术与发展
• 发表日期: 2019年5期
• 关键词: 模糊C均值 遗传算法 限制玻尔兹曼机 自编码网络 特征降维 双向映射
• 基金项目: 贵州省科学基金(黔科合J字[2011](2328),黔科合LH字[2014](7634))

针对模糊C均值聚类算法的入侵检测方法易陷入局部最优,受时间和空间复杂度约束,检测速率低并且使用原始数据集容易陷入"维度灾难"等问题,提出了一种基于自编码网络(AN)特征降维结合遗传算法(GA)优化模糊C均值算法的聚类模型(AN-GA-FCM)。该模型采用多层限制玻尔兹曼机(RBM)将高维、非线性的数据双向映射到低维空间,建立高维空间到低维空间的自编码网络,进而使用自编码网络权值微调重构低维空间数据的最优高维表示。并利用遗传算法优化的FCM初始聚类中心,避免目标函数陷入局部最优。将得到的