许多研究认为人工神经网络（ANNs）可以 提高入侵检测系统（IDS）的性能时 与传统方法相比。但对于基于人工神经网络的IDS， 检测精度，特别适用于低频率攻击，以及 检测稳定性仍有待提高。一种新的方法是 称为FC-ANN，基于人工神经网络和模糊聚类，来解决这个问题 并帮助IDS实现更高的检测率，更低的误报率 而且稳定性更强。 FC-ANN的一般程序如下： 首先采用模糊聚类技术生成不同的聚类技术 训练子集。随后，根据不同的培训子集， 训练不同的ANN模型以制定不同的基础模型。 最后，采用元学习器，模糊聚合模块 汇总这些结果。关于KDD CUP 1999的实验结果 数据集表明，提出的新方法FC-ANN优于BPNN 和其他众所周知的方法，如决策树，天真的贝叶斯 检测精度和检测稳定性。
问题：
是否有可能将贝叶斯信念网络/系统与模糊聚类神经网络结合起来进行入侵检测？
有人能预见到我遇到的任何问题吗？您的意见是最有价值的。