MATLAB实现网络入侵聚类（基于Kohonen网络的聚类算法）【深度学习、人工智能项目实战】.zip资源-CSDN文库

共3个文件

m：2个

mat：1个

版权申诉

MATLAB

计算机视觉

深度学习

116 浏览量 2023-04-20 23:13:33 上传评论收藏 88KB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

MATLAB实现网络入侵聚类（基于Kohonen网络的聚类算法）【深度学习、人工智能项目实战】.zip （3个子文件）

MATLAB实现网络入侵聚类（基于Kohonen网络的聚类算法）【深度学习、人工智能项目实战】

Kohonen.m 2KB

SKohonen.m 3KB

data.mat 88KB

%% 该代码为基于有导师监督的Kohonen网络的分类算法 %% 清空环境变量 clc clear %% 数据处理 load data input=datatrain(:,1:38); attackkind=datatrain(:,39); %数据归一化 inputn=input; [nn,mm]=size(inputn); [b,c]=sort(rand(1,nn)); %网络期望输出 for i=1:nn switch attackkind(i) case 1 output(i,:)=[1 0 0 0 0]; case 2 output(i,:)=[0 1 0 0 0]; case 3 output(i,:)=[0 0 1 0 0]; case 4 output(i,:)=[0 0 0 1 0]; case 5 output(i,:)=[0 0 0 0 1]; end end %训练数据 input_train=inputn(c(1:4000),:); output_train=output(c(1:4000),:); %% 网络构建 %输入层节点数 Inum=38; %Kohonen网络 M=6; N=6; K=M*N;%Kohonen总节点数 g=5; %输出层节点数 %Kohonen层节点排序 k=1; for i=1:M for j=1:N jdpx(k,:)=[i,j]; k=k+1; end end %学习率 rate1max=0.1; rate1min=0.01; rate2max=1; rate2min=0.5; %学习半径 r1max=1.5; r1min=0.4; %权值初始化 w1=rand(Inum,K); %第一层权值 w2=zeros(K,g); %第二层权值 %% 迭代求解 maxgen=10000; for i=1:maxgen %自适应学习率和相应半径 rate1=rate1max-i/maxgen*(rate1max-rate1min); rate2=rate2min+i/maxgen*(rate2max-rate2min); r=r1max-i/maxgen*(r1max-r1min); %从数据中随机抽取 k=unidrnd(4000); x=input_train(k,:); y=output_train(k,:); %计算最优节点 [mindist,index]=min(dist(x,w1)); %计算周围节点 d1=ceil(index/6); d2=mod(index,6); nodeindex=find(dist([d1 d2],jdpx')<=r); %权值更新 for j=1:length(nodeindex) w1(:,nodeindex(j))=w1(:,nodeindex(j))+rate1*(x'-w1(:,nodeindex(j))); w2(nodeindex(j),:)=w2(nodeindex(j),:)+rate2*(y-w2(nodeindex(j),:)); end end %% 聚类结果 Index=[]; for i=1:4000 [mindist,index]=min(dist(inputn(i,:),w1)); Index=[Index,index]; end inputn_test=datatest(:,1:38); %样本验证 for i=1:500 x=inputn_test(i,:); %计算最小距离节点 [mindist,index]=min(dist(x,w1)); [a,b]=max(w2(index,:)); outputfore(i)=b; end length(find((datatest(:,39)-outputfore')==0)) plot(outputfore,'linewidth',1.5) hold on plot(datatest(:,39),':r','linewidth',1.5) title('网络分类','fontsize',12) xlabel('数据样本','fontsize',12) ylabel('分类类别','fontsize',12) legend('预测类别','期望类别') web browser www.matlabsky.com %% % <html> % <table width="656" align="left" > <tr><td align="center"><a href="http://video.ourmatlab.com/">Matlab神经网络30个案例分析</a>相关论坛：《Matlab神经网络30个案例分析》官方网站：<a href="http://video.ourmatlab.com">video.ourmatlab.com</a>Matlab技术论坛：<a href="http://www.matlabsky.com">www.matlabsky.com</a>Matlab函数百科：<a href="http://www.mfun.la">www.mfun.la</a>Matlab中文论坛：<a href="http://www.ilovematlab.com">www.ilovematlab.com</a></td> </tr></table> % </html>

评论收藏

内容反馈

版权申诉