1.一种基于量子蚁狮与k均值的聚类方法及入侵检测方法，其特征在于，所述方法具体包括如下步骤：S1、对数据集进行样本提取，将提取的样本进行分组，分成若干组测试数据集，测试数据集中包括了正常样本数据及入侵样本数据；

S2、基于量子蚁狮与k均值的聚类方法对各组测试数据集进行入侵检测实验，得出准确率，检测率和误报率；

基于量子蚁狮与k均值的聚类方法具体包括如下步骤：S21、输入簇的数目k和数据集；

S22、将量子蚁狮算法输出的精英作为初始的簇中心；

S23、将数据集中的其余对象分配到最相似的簇，最相似的簇的簇中心距对象距离最近；

S24、将每个簇中的对象均值作为新的簇中心；

S25、检测本轮形成的簇与前一轮形成的簇是否相同；

S26、若检测结果为是，则输出k个簇的集合，若检测结果为否，则执行步骤S23。

2.如权利要求1所述基于量子蚁狮与k均值的聚类方法及入侵检测方法，其特征在于，精英的获取方法具体包括如下步骤：S221、初始化参数：种群大小ps，迭代次数t，最大迭代次数max；

S222、迭代次数t＝1时，双链量子编码种群，初始化蚂蚁和蚁狮的位置，计算蚂蚁和蚁狮的适应度并进行排序，选择具有最优适应度的蚁狮作为精英；

S223、判断t是否小于max；

S224、若判断结果为是，则迭代次数t＝t+1，并执行步骤S225，否则，执行步骤S228；

S225、量子旋转门更新种群编码，计算更新后的蚂蚁和蚁狮的适应度，将当前最优适应度的蚁狮与精英比较，若蚁狮的适应度优于精英，则将蚁狮更新为精英；

S226、使用轮盘赌方法选择一个蚁狮，蚂蚁的位置根据围绕所选的蚁狮和精英随机游走进行更新；

S227、计算所有蚂蚁的适应度值，若存在蚂蚁的适应度优于蚁狮，则将相应的蚂蚁替代蚁狮，若存在蚁狮的适应度优于精英，则将相应的蚁狮更新为精英，并返回步骤S223；

S228、输出精英。

3.如权利要求2所述基于量子蚁狮与k均值的聚类方法及入侵检测方法，其特征在于，双链量子编码包括余弦编码qc和正弦编码qs，表示如下：qc＝(cos(θ1),cos(θ2),...,cos(θn))qs＝(sin(θ1),sin(θ2),...,sin(θn))n为量子位长度，量子角θn在[0,2π]内随机生成。

4.如权利要求2所述基于量子蚁狮与k均值的聚类方法及入侵检测方法，其特征在于，量子旋转门更新种群编码，其更新后的种群编码表示如下：q′c＝(cos(θ1+Δθ),cos(θ2+Δθ),...,cos(θn+Δθ))q′s＝(sin(θ1+Δθ),sin(θ2+Δθ),...,sin(θn+Δθ))其中，q′c为更新后的余弦编码，q′s为更新后的正弦编码，旋转角Δθ应大于0度小于180度。

5.如权利要求1所述基于量子蚁狮与k均值的聚类方法及入侵检测方法，其特征在于，在步骤S26之后还包括：S27、对聚类方法进行评价，基于如下公式进行：其中，dis(p,oj)表示簇j中对象p与簇j的中心oj之间的欧式距离，f的值越小，聚类结果也越好。