基于FCM的分布式学习方法

吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (01): 171-0175.

基于FCM的分布式学习方法

吴静^1,2,刘衍珩^1,2,吕荣^1,2

1.吉林大学计算机科学与技术学院|长春 130012；2.吉林大学符号计算与知识工程教育部重点实验室|长春 130012

收稿日期:2008-04-02 出版日期:2010-01-01 发布日期:2010-01-01
通讯作者: 刘衍珩（1958-）,男,教授,博士生导师.研究方向:移动通信与网络,移动IP、QoS. E-mail:lyh_lb_lk@yahoo.com.cn E-mail:lyh_lb_lk@yahoo.com.cn
作者简介:吴静（1973-）,女,博士,讲师.研究方向:人工神经网络,网络安全.E-mail:wujing@jlu.edu.cn
基金资助:
高等学校博士学科点专项科研基金项目（20060183043）；国家自然科学基金项目(60573128)

Distribute learning algorithm based on fuzzy C-means

WU Jing^1,2,LIU Yan-heng^1,2,LÜ| Rong^1,2

1.College of Computer Science and Technology, Jilin University, Changchun 130012, China;2.Key Laboratory of Symbolic Computation and Knowledge Engineering|Ministry of Education, Jilin University, Changchun 130012, China

Received:2008-04-02 Online:2010-01-01 Published:2010-01-01

摘要/Abstract

摘要：

在大规模网络入侵检测应用中，针对模块化神经网络算法学习精度高但效率相对较低的特点，采用SOM算法作为基本学习方法并利用其神经元竞争特性，引入模糊聚类FCM对SOM输出权值进行融合学习分类，在保持SOM高精度的基础上，大幅减少了学习时间。最后采用入侵检测数据集KDDCUP99进行测试，结果验证了算法的高检测率和较好的效率。

关键词: 计算机应用, 入侵检测, 分布式学习, 神经网络, 模糊C均值（FCM）

Abstract:

In intrusion detection in large-scale network, the accuracy of modular neural network learning algorithm is high but its efficiency is relatively low. In this paper, Self-Organizing Mapping (SOM) is adopted as a basic learning method to take the advantage of competitive characteristics of its neurons. Then Fuzzy C-Means (FCM) is introduced to carry out fusion learning and classification of the output weights of SOM. This method can not only maintain high accuracy of the SOM but also significantly reduce the learning time. The proposed method is tested using KDDCUP99 dataset. Results show that the detection rate of this method is high and its efficiency is improved.

Key words: computer application, intrusion detection, distribution learning, neural network, FCM

中图分类号:

TP393.08

吴静,刘衍珩,吕荣. 基于FCM的分布式学习方法[J]. 吉林大学学报(工学版), 2010, 40(01): 171-0175.

WU Jing,LIU Yan-heng,Lü Rong. Distribute learning algorithm based on fuzzy C-means[J]. 吉林大学学报(工学版), 2010, 40(01): 171-0175.

参考文献

相关文章 15

[1]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[2]	江涛,林学东,李德刚,杨淼,汤雪林. 基于人工神经网络的放热规律的量化预测[J]. 吉林大学学报(工学版), 2018, 48(6): 1747-1754.
[3]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[4]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[5]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[6]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[7]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[8]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[9]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[10]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[11]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[12]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[13]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[14]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[15]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed