• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >基于蚁群优化的层次聚类算法及其在网络取证中的应用
【6h】

基于蚁群优化的层次聚类算法及其在网络取证中的应用

代理获取
页面导航
  • 目录
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 本文的研究工作

1.4 本文组织结构

1.5 本章小结

第二章 相关理论

2.1 特征选择

2.2 聚类算法.

2.3 本章小结

第三章 改进的基于最大近邻粗糙逼近的特征选择算法

3.1 邻域粗糙集

3.2 基于最大近邻粗糙逼近的特征选择算法

3.3 改进的基于最大近邻的粗糙逼近的特征选择算法

3.4 实验与结果分析

第四章 基于蚁群优化的层次聚类算法

4.1层次聚类

4.2蚁群优化算法

4.3 基于蚁群优化的凝聚型层次聚类算法

4.4 实验与分析

4.5 本章小结

第五章 层次聚类分析在网络取证系统中的应用

5.1 系统设计原理

5.2系统的设计

5.3 系统功能界面展示

5.4 本章小结

第六章 总结与展望

6.1 论文总结

6.2 工作展望

参考文献

攻硕期间发表论文及科研成果

致谢

展开▼

摘要

随着网络信息技术的发展，关于信息化的现象数不胜数。在网络中，每天都会产生各种各样不同类型的数据，随之而来出现了各种类型的网络安全问题。在这种情况下，我们需要借助社会和法律的强大力量来对付利用计算机网络进行的犯罪活动。因此，网络取证技术应运而生，并得到迅速发展。它的核心要点是对网络中各种数据信息进行提取和分析。本文应用聚类方法对网络中的数据进行分析、处理，最后判断出网络中的正常行为和异常行为。
　　本研究主要内容包括：⑴提出一种改进的基于最大近邻粗糙逼近的特征选择算法。网络数据维数高、特征多的特点使得最优特征的选择尤为重要。基于最大近邻粗糙逼近的特征选择算法通过最大近邻确定样本的近邻类，可以直接处理混合型数据。但是由于该方法在计算属性重要度的时候只考虑了单个属性相对于决策结果的重要度，所以本文首先重新定义了评价标准，然后利用前向贪心搜索策略进行特征选择，最后选出最优特征子集。通过实验的结果，可以看出该方法选出的特征数量减少，而且在此基础上，也提高了分类性能。⑵针对层次聚类如何选取合适的合并点问题，提出一种基于蚁群优化的凝聚型层次聚类算法。层次聚类算法一旦执行分裂类或合并类，就不能修正，这样就会产生低质量的聚类结果。为了获得高质量的聚类结果，本文算法首先利用蚁群优化算法中的状态转移规则选择凝聚型层次聚类算法中下一个将要被合并的数据点，然后利用信息素更新规则寻找聚类的最优路径。从实验结果看，本文算法的准确率比传统的聚类算法更高，效果更好。⑶设计了基于蚁群优化的凝聚型层次聚类的网络取证系统。在分析网络数据的基础上，针对每个过程设计了相应的功能模块，并将改进的基于最大近邻粗糙逼近的特征选择算法和基于蚁群优化的凝聚型层次聚类算法应用于相应的模块中，最终实现了基于蚁群优化的凝聚型层次聚类的网络取证系统框架。该系统可以有效地分析网络数据，判断网络行为。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号