數(shù)據(jù)挖掘技術(shù)及其應(yīng)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(jī)的實(shí)際應(yīng)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(shí)的非平凡過程。任何有數(shù)據(jù)管理和知識(shí)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(duì)數(shù)據(jù)挖掘的算法以及數(shù)據(jù)挖掘技術(shù)的應(yīng)用展開研究，重點(diǎn)研究了聚類算法和數(shù)據(jù)挖掘技術(shù)在入侵檢測(cè)系統(tǒng)(IDS)中的應(yīng)用。針對(duì)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(duì)這些高密度區(qū)域進(jìn)行進(jìn)一步地分析與合并，通過評(píng)估函數(shù)的評(píng)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(shí)驗(yàn)得以驗(yàn)證。針對(duì)數(shù)據(jù)挖掘技術(shù)在入侵檢測(cè)系統(tǒng)中的應(yīng)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(diǎn)放大為一個(gè)區(qū)域以便預(yù)測(cè)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(shí)驗(yàn)驗(yàn)證了

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