张健博
- 作品数：3 被引量：3H指数：1
- 供职机构：重庆大学计算机学院更多>>
- 发文基金：国家自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于聚类合并的局部离群点挖掘算法在入侵检测中的应用被引量：2
- 2015年
- 针对网络安全数据的高维度特征问题,传统的基于聚类的检测算法不能有效发现网络数据中入侵行为细节。本文提出一种改进的DBSCAN离群点挖掘算法LDBSCAN-CM,首先在传统DBSCAN算法中引入局部离群点挖掘概念,计算候选对象的局部离群因子,生成若干个聚类;其次,为了提高挖掘效率,在聚类结果的基础上,进行聚类合并;最后,采用KDD Cup99数据集对改进算法在入侵检测中的应用进行仿真实验。实验结果表明,改进算法LDBSCAN-CM能保证较高的检测率和较低的误检率。
- 梅孝辉龙渊张健博
- 关键词：入侵检测数据挖掘
- 基于OpenStack云平台的监控关键技术研究
- 随着计算科学的进步，如何更高效地分配和利用计算资源成为当今重要话题。云计算相关技术的飞速发展，极大程度上整合了计算资源，使按需分配成为可能。OpenStack是开源云里重要的组成部分，是一个广受欢迎的开源云平台。平台整合...
- 张健博
- 关键词：监控系统控制功能
- 基于局部扩充的社区发现算法并行化研究
- 2016年
- 随着社交网络的快速发展,出现成员属于多个社区的现象。现有大多数算法研究重点为重叠社区(如LFM),其中对于高度重叠的社区发现研究依然是弱点。在LFM算法的基础上,提出极大团作为种子,自适应更新局部扩充质量优化函数参数α,并将扩充过程进行并行化的一种新型方法。经过理论证明和在人造数据图以及真实网络上试验,相比LFM,该算法在准确性和效率上均有较大提高。
- 龙渊张健博
- 关键词：数据挖掘
