一种基于改进K-means算法的电力安全预警数据聚类处理方法技术

本发明专利技术公开了一种基于改进K

【技术实现步骤摘要】
一种基于改进K
‑
means算法的电力安全预警数据聚类处理方法


[0001]本专利技术属于电力安全预警数据的处理分析领域，一种基于改进K
‑
means算法的电力安全预警数据聚类处理方法

技术介绍

[0002]随着互联网技术和基础设施的快速发展，电力网络系统也进入了大数据、大流量的时代，既给电力系统带来更便利的管理与控制时，随之而来的，电力网络防护系统每天都会收到海量的网络攻击与威胁数据，并且还在以指数级形式增长。传统的电力入侵检测系统面对海量的安全数据时，存在报警信息冗余泛滥、系统漏报误报率高的问题。

技术实现思路

[0003]为了解决上述
技术介绍
中存在的问题，本申请提出一种基于改进K
‑
means算法的电力安全预警数据聚类处理方法，目的在于解决电力入侵检测系统面对海量的安全数据时，报警信息冗余泛滥、系统漏报误报率高的问题。
[0004]本专利技术所采用的技术方案如下：
[0005]一种基于改进K
‑
means算法的电力安全预警数据聚类处理方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进K
‑
means算法的电力安全预警数据聚类处理方法，其特征在于，包括如下步骤：步骤1、采集电网入侵检测系统中初始安全数据；步骤2、对采集到的安全数据进行预处理，得到安全数据集；步骤3、运用改进后的基于密度与距离的K
‑
means算法对的安全数据集中的数据进行聚类分析，得到最终的报警数据聚类结果。2.根据权利要求1所述的一种基于改进K
‑
means算法的电力安全预警数据聚类处理方法，其特征在于，所述改进后的基于密度与距离的K
‑
means算法进行聚类分析的方法如下：步骤3.1、将经过预处理后的安全数据集的样本作为输入，计算样本点不同维度数据的权值；基于样本点同维度数据的权值计算样本点之间加权的欧式距离；再根据样本点之间加权的欧式距离计算出所有样本点的平均距离avgd；步骤3.2、以任意样本点为中心，R＝avgd为半径画圆，将圆内的所有样本点数目作为样本点的密度；步骤3.3、根据样本点的密度选取聚类中心；步骤3.4、由得到的初始聚类中心和聚类数为输入，对给定数据集进行聚类运算，直到聚类中心不再变化；步骤3.5、输出最终聚类结果，完成对安全数据的聚类处理。3.根据权利要求2所述的一种基于改进K
‑
means算法的电力安全预警数据聚类处理方法，其特征在于，步骤3.3中选取聚类中心的方法为：按样本点的密度从大到小的顺序将前个样本数据存入到数据集合U中，选取样本点密度最大的点x1作为第一个聚类中心放入中心点集合C中，然后将U中所有距离点x1小于avgd的点删除；在数据集合U中找出权值参数最大的点作为第2个中心点x2加入到中心点集合C中，将U中所有距离点x2小于avgd的点删除；重复上述过程，直到数据集U变为空集，此时C＝{C1，C2，...，k...

【专利技术属性】
技术研发人员：王新龙，于铭岱，毕馨月，张晨锐，杨云兮，杜昭辉，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：