高維空間中基于空間劃分的離群點(diǎn)挖掘算法研究.pdf

1、近年來(lái)，隨著衛(wèi)星遙感、WEB數(shù)據(jù)分析、病毒防范等技術(shù)的迅速發(fā)展，對(duì)于新類型入侵行為檢測(cè)技術(shù)的研究已經(jīng)成為迫切解決的學(xué)術(shù)問(wèn)題。本文針對(duì)高維空間出現(xiàn)“維度災(zāi)難”現(xiàn)象的問(wèn)題，對(duì)高維空間中基于空間劃分的離群點(diǎn)挖掘算法進(jìn)行了深入研究，并將其引入到入侵檢測(cè)過(guò)程中，挖掘相對(duì)于正常通信信息而言，同樣被視為“小模式”事件的入侵行為。選題對(duì)于建立高效的入侵檢測(cè)模型具有一定的理論基礎(chǔ)和實(shí)踐意義。
　　本文首先提出一種基于改進(jìn)的有權(quán)重超圖的高維離群點(diǎn)挖掘

2、算法，引入超圖模型劃分?jǐn)?shù)據(jù)集，定義維屬性相似度表示超圖模型中超邊的權(quán)重，以全面反映數(shù)據(jù)集中的數(shù)據(jù)模式。
　　其次，提出一種基于單參數(shù)k局部密度的高維離群點(diǎn)挖掘算法，將數(shù)據(jù)集劃分為若干簇，只需輸入一個(gè)與距離無(wú)關(guān)的參數(shù)k，結(jié)合某一對(duì)象p鄰域內(nèi)的數(shù)據(jù)分布，判斷p是否為核心對(duì)象，以減少參數(shù)對(duì)聚類質(zhì)量的影響，并降低I/O消耗。該算法較LOF和DBSCAN算法具有較高的檢測(cè)效率。
　　然后，提出一種基于測(cè)量距離優(yōu)化局部線性嵌入的高維離群

3、點(diǎn)挖掘算法，利用圖論來(lái)構(gòu)建數(shù)據(jù)結(jié)構(gòu)，以實(shí)現(xiàn)數(shù)據(jù)間的相關(guān)性；通過(guò)定義新的測(cè)量距離來(lái)確定數(shù)據(jù)點(diǎn)的鄰域，以優(yōu)化數(shù)據(jù)的K鄰域結(jié)構(gòu)。該算法較基于局部線性加權(quán)的離群點(diǎn)檢測(cè)方法具有較低的維數(shù)敏感性。
　　最后，提出一種基于離群點(diǎn)屬性集挖掘的入侵檢測(cè)方法，通過(guò)基于改進(jìn)距離的離群點(diǎn)檢測(cè)算法構(gòu)建離群點(diǎn)集，并挖掘其對(duì)應(yīng)屬性集，每個(gè)離群點(diǎn)及其特征對(duì)應(yīng)一條攻擊特征，建立基于誤用的入侵檢測(cè)規(guī)則庫(kù)。該方法較基于距離的NN離群點(diǎn)挖掘的入侵檢測(cè)方法具有較高的檢測(cè)率