一种Kmeans聚类算法的改进与应用.pdfVIP

doi：10．161571j．cnki．0258—7998．2014071602638 一种K—means聚类算法的改进与应用 张杰，卓灵，朱韵攸 (国家电网重庆市电力公司信息通信分公司，重庆401121) 定中心值个数、受噪声及孤立点影响较大的缺点。对此，利用类间相异度与类内相异度改进初始值K， 以尽量减少人工干预；同时计算数据库中每一点与剩余点的距离和距离均和，将两者的大小比较作为 识别孤立点和噪声点的依据，从而删除孤立点，减少对数据聚类划分的影响。最后将改进后的K— 统一定程度上降低了误报率及误检率，提高了检测的准确率。 关键词：数据挖掘；聚类算法；K—means；入侵检测 中图分类号：TP301 文献标识码：A 文章编号：0258—7998(2015)01—0125—04 The and ofaK-means improvement application clusteringalgorithm