Nestriktas klasterizācijas iteratīvās metodes un to lietojumi DDoS uzbrukumu analīzē

Abstract

Darbs tika veltīts nestrikto iteratīvo klasterizācijas un klasifikācijas algoritmiem. Tajā tika apskatīti četri klasterizācijas algoritmi, tas ir nestriktais c-vidējo algoritms, iespējamību c-vidējo algoritms, nepārraudzītās iespējamību klasterizācijas algoritms un nepārraudzītās nestriktās iespējamību klasterizācijas algoritms, kā arī prototipiskās un k-kaimiņu klasifikācijas metodes nestriktajam un iespējamību gadījumam. Visi klasterizācijas un klasifikācijas algoritmi tika izmēģināti uz ģenerēto frakcionālā Gausa trokšņa laikrindām, kas simulē trafika datus. Tika analizēti un interpretēti skaitliskie rezultāti. Atslēgas vārdi: FCM klasterizācijas algoritms, PCM klasterizācijas algoritms, PCA klasterizācijas algoritms, UPFC klasterizācijas algoritms, GK klasterizācijas algoritms, nestriktā KNN klasifikācija, iespējamību KNN klasifikācija, laikrindu klasterizācija, laikrindu klasifikācija

This paper is devoted to fuzzy iterative clustering and classification algorithms. The focus is set on four clustering algorithms, including fuzzy c-means, possibilistic c-means, possibilistic clustering algorithm, unsupervised possibilistic fuzzy clustering algorithm, and prototipical un k-nearest neighbour classification methods for fuzzy and possibilistic cases. Fractional Gaussian noise time series are generated as a simulations of traffic data for testing the algorithms. The obtained numerical results are analyzed and interpreted. Keywords: FCM clustering, PCM clustering, PCA clustering, UPFC clustering, GK clustering, fuzzy KNN classification, possibilistic KNN classification, time series clustering, time series classification