| 摘要 | 第1页 |
| Abstract | 第5-6页 |
| 详细摘要 | 第6-8页 |
| Detailed Abstract | 第8-13页 |
| 1 入侵检测技术概述 | 第13-29页 |
| ·网络信息安全的形势 | 第13-14页 |
| ·信息安全的概念 | 第14-15页 |
| ·信息安全保障模型 | 第15-17页 |
| ·信息安全保障体系的空间特性 | 第15页 |
| ·信息安全保障体系的功能特性 | 第15-16页 |
| ·信息安全保障体系的时间特性 | 第16页 |
| ·信息安全保障体系模型 | 第16-17页 |
| ·网络不安全的原因 | 第17-18页 |
| ·主要的信息安全技术 | 第18-20页 |
| ·入侵检测技术(IDS) | 第20-26页 |
| ·入侵检测的概念和作用 | 第20-22页 |
| ·入侵检测技术的历史和国内外研究现状 | 第22-23页 |
| ·入侵检测系统分类 | 第23-26页 |
| ·本论文的研究内容 | 第26-29页 |
| ·本课题的研究背景 | 第26页 |
| ·论文主要研究内容和章节安排 | 第26-29页 |
| 2 群智能计算技术研究 | 第29-45页 |
| ·仿生群智能计算 | 第29页 |
| ·群智能计算的原理 | 第29-30页 |
| ·群智能计算的数学描述 | 第30-31页 |
| ·差分进化计算 | 第31-37页 |
| ·差分进化计算的基本原理 | 第31-32页 |
| ·差分进化计算的数学描述 | 第32页 |
| ·差分进化计算研究综述 | 第32-35页 |
| ·差分进化计算的收敛性分析 | 第35-37页 |
| ·一种双种群协作进化的差分进化算法 | 第37-41页 |
| ·人工鱼群计算技术 | 第41-44页 |
| ·人工鱼群计算的基本原理 | 第41-43页 |
| ·人工鱼群计算的数学模型 | 第43页 |
| ·人工鱼群计算的收敛性证明 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 3 基于差分进化计算的特征选择技术研究 | 第45-63页 |
| ·特征选择的概念 | 第45-46页 |
| ·特征选择的研究方法 | 第46-48页 |
| ·特征选择技术 | 第48-52页 |
| ·穷举法 | 第48页 |
| ·分支定界搜索技术 | 第48-50页 |
| ·次优搜索技术 | 第50-52页 |
| ·特征的可分性评估标准 | 第52-54页 |
| ·KDDcup99入侵检测数据描述 | 第54-57页 |
| ·基于差分进化计算的特征选择技术 | 第57-61页 |
| ·特征空间的分析 | 第57页 |
| ·算法中种群个体的表示 | 第57-58页 |
| ·适应度函数选择 | 第58页 |
| ·求解步骤 | 第58-60页 |
| ·实验结果 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 4 基于人工鱼群计算的聚类技术研究 | 第63-85页 |
| ·聚类分析的概念 | 第63-64页 |
| ·聚类分析技术研究 | 第64-75页 |
| ·基于质心的划分方法 | 第64-66页 |
| ·基于中心的划分方法 | 第66页 |
| ·基于层次的方法 | 第66-71页 |
| ·基于密度的方法 | 第71页 |
| ·基于模型的方法 | 第71-73页 |
| ·模糊聚类技术 | 第73-75页 |
| ·对象的相似性度量方法 | 第75-80页 |
| ·基于人工鱼群计算的聚类技术 | 第80-84页 |
| ·聚类的数学模型 | 第80页 |
| ·基于人工鱼群的K-均值聚类算法 | 第80-81页 |
| ·实验结果 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 5 基于差分进化计算的规则挖掘技术研究 | 第85-111页 |
| ·规则挖掘的概念 | 第85-88页 |
| ·频繁项集产生技术 | 第88-97页 |
| ·Aprori算法 | 第89-90页 |
| ·AprioriTid算法 | 第90-92页 |
| ·AprioriHyrid算法 | 第92页 |
| ·基于数据分区(Partition)的Apriori算法改进 | 第92-93页 |
| ·基于散列技术(Hash)的Apriori算法改进(DHP) | 第93页 |
| ·基于采样技术(Sampling)的Apriori算法改进 | 第93-95页 |
| ·动态项集策略改进Apriori算法 | 第95页 |
| ·频繁模式树的频繁项集挖掘算法(FP-Tree) | 第95-97页 |
| ·规则挖掘技术 | 第97-100页 |
| ·数值属性的离散化处理技术 | 第100-103页 |
| ·基于差分进化计算的关联规则挖掘技术 | 第103-109页 |
| ·解决思路和技术 | 第103-107页 |
| ·实验结果 | 第107-109页 |
| ·本章小结 | 第109-111页 |
| 6 结论与展望 | 第111-115页 |
| ·论文总结 | 第111-112页 |
| ·不足与研究展望 | 第112-115页 |
| 参考文献 | 第115-123页 |
| 致谢 | 第123-125页 |
| 作者简介 | 第125页 |
| 在校期间获奖情况 | 第125页 |
| 参与科研情况 | 第125页 |
| 在校期间发表论文情况清单 | 第125页 |
