數(shù)據(jù)挖掘技術(shù)及其應用研究.pdf

1、數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中發(fā)現(xiàn)隱含的、規(guī)律性的、人們事先未知的，但又是潛在有用的并且最終可被理解的信息和知識的非平凡過程。任何有數(shù)據(jù)管理和知識發(fā)現(xiàn)需求的地方都可以借助數(shù)據(jù)挖掘技術(shù)來解決問題。 本文對數(shù)據(jù)挖掘的算法以及數(shù)據(jù)挖掘技術(shù)的應用展開研究，重點研究了聚類算法和數(shù)據(jù)挖掘技術(shù)在入侵檢測系統(tǒng)(IDS)中的應用。針對數(shù)據(jù)挖掘的聚類分析，提出了一種基于層次聚類的模糊聚類算法(HFC)，該算法采

2、用凝聚的層次聚類方法來快速地發(fā)現(xiàn)高度聚集的數(shù)據(jù)區(qū)域，并對這些高密度區(qū)域進行進一步地分析與合并，通過評估函數(shù)的評估，最終找到最優(yōu)的聚類方案，該算法的有效性通過仿真實驗得以驗證。針對數(shù)據(jù)挖掘技術(shù)在入侵檢測系統(tǒng)中的應用，論文首先提出了一種適用于IDS中數(shù)據(jù)分類的數(shù)值歸約算法，該算法一方面將特征值數(shù)目減少，另一方面將孤立的點放大為一個區(qū)域以便預測類似行為；論文通過以MIT的KDDCup99數(shù)據(jù)集為數(shù)據(jù)源，以決策樹歸納分類算法為例的仿真實驗驗證了

3、該算法對IDS的有效性。論文接著提出了一種適用于IDS的基于相關性度量的特征選擇算法，該算法依據(jù)特征的相關性度量值進行特征選擇，可以在不影響效率的同時降低時間復雜度；論文以分類器作為評估系統(tǒng)，KDDCup99為數(shù)據(jù)源，通過仿真實驗驗證了該算法的有效性。 論文對與課題相關的技術(shù)進行了介紹，分析了將數(shù)據(jù)挖掘技術(shù)應用于IDS的意義和IDS數(shù)據(jù)源的特點，描述了所提出的各個算法及其仿真情況，基于仿真結(jié)果對各算法做出了評價，提出了下一步的研