介紹一種基于分層聚類方法的木馬通信行為檢測(cè)模型
審核編輯：劉清
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
控制器
+關(guān)注
關(guān)注
112文章
16444瀏覽量
179035 -
檢測(cè)器
+關(guān)注
關(guān)注
1文章
869瀏覽量
47759
原文標(biāo)題：一種基于分層聚類方法的木馬通信行為檢測(cè)模型
文章出處：【微信號(hào)：IoVSecurity，微信公眾號(hào)：IoVSecurity】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
一種基于聚類和競(jìng)爭(zhēng)克隆機(jī)制的多智能體免疫算法
包含分布式電源的配電網(wǎng)無(wú)功優(yōu)化matlab源代碼，代碼按照高水平文章復(fù)現(xiàn)，保證正確，可先發(fā)您文章看是否滿足您的要求利用分布式電源的無(wú)功補(bǔ)償能力，提出了一種基于聚類和競(jìng)爭(zhēng)克隆機(jī)制的多智能體免疫算法來(lái)
發(fā)表于 12-29 06:50
一種基于圖聚類的安全態(tài)勢(shì)評(píng)估方法
分析并比較現(xiàn)有網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估方法，從網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)出發(fā)，引入圖論算法和數(shù)據(jù)挖掘的聚類方法，提出一種針對(duì)分布式系統(tǒng)的安全態(tài)勢(shì)評(píng)估
發(fā)表于 04-02 09:30
?24次下載
一種改進(jìn)的基于密度聚類的入侵檢測(cè)算法
密度聚類算法DBSCAN是一種有效的聚類分析方法。本文構(gòu)建了網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)模型，并將
發(fā)表于 08-24 08:41
?4次下載
一種基于隨機(jī)游動(dòng)的聚類算法
該文提出一種改進(jìn)的隨機(jī)游動(dòng)模型，并在此模型的基礎(chǔ)上，發(fā)展了一種數(shù)據(jù)聚類算法。在此算法中，數(shù)據(jù)集中
發(fā)表于 11-21 11:24
?7次下載
基于代理模型的分布式聚類算法
II DDM模型是現(xiàn)有的分布式聚類模型中性能較好的一種個(gè)體合作以及串行工作方式固有的不足，在該模型
發(fā)表于 09-16 14:08
?0次下載
一種聚類個(gè)數(shù)自適應(yīng)的聚類方法（簡(jiǎn)稱SKKM）
在數(shù)據(jù)挖掘算法中，K均值聚類算法是一種比較常見的無(wú)監(jiān)督學(xué)習(xí)方法，簇間數(shù)據(jù)對(duì)象越相異，簇內(nèi)數(shù)據(jù)對(duì)象越相似，說(shuō)明該聚
發(fā)表于 11-03 16:13
?12次下載
一種改進(jìn)的BIRCH算法聚類方法
為解決傳統(tǒng)BIRCH算法對(duì)數(shù)據(jù)對(duì)象輸入順序敏感、聚類結(jié)果不穩(wěn)定的問(wèn)題，提出了一種改進(jìn)的BIRCH算法。該算法將雷達(dá)信號(hào)偵察數(shù)據(jù)的脈沖載頻、脈沖重復(fù)間隔和脈沖寬度分別進(jìn)行聚
發(fā)表于 11-10 15:52
?1次下載
一種新的人工魚群混合聚類算法
人工魚群是一種隨機(jī)搜索優(yōu)化算法，具有較快的收斂速度，對(duì)問(wèn)題的機(jī)理模型與描述無(wú)嚴(yán)格要求，具有廣泛的應(yīng)用范圍。本文在該算法的基礎(chǔ)上，結(jié)合傳統(tǒng)的K-means聚類
發(fā)表于 12-04 16:18
?0次下載
一種新的基于流行距離的譜聚類算法
本文提出了一種新的基于流行距離的譜聚類算法，這是一種新型的聚類分析算法。不僅能夠?qū)θ我獾姆且?guī)則形狀的樣本空間進(jìn)行聚
發(fā)表于 12-07 14:53
?3次下載
一種自適應(yīng)AP聚類方法
網(wǎng)絡(luò)數(shù)據(jù)流量的增大對(duì)入侵檢測(cè)系統(tǒng)的實(shí)時(shí)性提出了更高的要求，壓縮訓(xùn)練數(shù)據(jù)可加快未知樣本的分類處理速度。針對(duì)數(shù)據(jù)量過(guò)大造成壓縮處理和聚類效率低下的難題，提出了一種改進(jìn)的自適應(yīng)AP （aff
發(fā)表于 03-06 15:15
?0次下載
基于用戶行為特征的多維度文本聚類
每個(gè)維度中屬性間的關(guān)系。為有效利用與文本相關(guān)的用戶行為信息，提出一種結(jié)合用戶行為信息的多維度文本聚類模型
發(fā)表于 11-16 15:37
?1次下載
一種改進(jìn)人流的移動(dòng)模式聚類算法
，時(shí)空數(shù)據(jù)是最為常見的一種數(shù)據(jù)。本文基于城市中的時(shí)空數(shù)據(jù)，首先提出一種建模方法，將不冋種類的時(shí)空數(shù)據(jù)表示為人流模型;然后基于聚
發(fā)表于 05-08 15:43
?4次下載
工商網(wǎng)監(jiān)
評(píng)論