摘要：根据对象邻域的分离度和耦合度确定初始聚类中心，提出一种基于邻域模型的 k-means 改进算法，并以 KDD CUP 99数据集为对象，对入侵检测进行了仿真实验。结果显示，改进后的算法在入侵检测率和误检率方面均优于 IKCM 算法和传统的 k-means 算法。

关键词：邻域模型 入侵检测 检测率 误检率 

单位：山西大学商务学院 山西太原030031 山西大学计算机与信息技术学院 山西太原030006