| 文摘 | 第1-5页 |
| 英文文摘 | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| §1.1 论文的选题背景和意义 | 第10-12页 |
| §1.2 国内外研究概况 | 第12-13页 |
| §1.3 论文的主要工作介绍 | 第13页 |
| §1.4 论文的组织结构 | 第13-15页 |
| 第二章 预备知识综述. | 第15-23页 |
| §2.1 数据挖掘 | 第15-22页 |
| §2.1.1 数据挖掘的研究现状 | 第15页 |
| §2.1.2 什么是数据挖掘 | 第15-16页 |
| §2.1.3 数据挖掘的任务 | 第16-17页 |
| §2.1.4 数据挖掘方法的研究现状 | 第17-20页 |
| §2.1.5 数据挖掘理论框架体系 | 第20-22页 |
| §2.1.5.1 自组织数据挖掘理论方法 | 第20-21页 |
| §2.1.5.2 机器学习方法 | 第21页 |
| §2.1.5.3 概率方法 | 第21-22页 |
| §2.1.5.4 仿生物技术方法 | 第22页 |
| §2.2 总结 | 第22-23页 |
| 第三章 基于生物免疫机制的人工免疫进化算法. | 第23-32页 |
| §3.1 生物免疫机理 | 第23-24页 |
| §3.1.1 引言 | 第23页 |
| §3.1.2 生物免疫系统简介 | 第23-24页 |
| §3.2 免疫学的发展简史 | 第24-25页 |
| §3.3 生物免疫系统的处理机制 | 第25-27页 |
| §3.3.1 免疫系统的基本构成 | 第25-26页 |
| §3.3.2 生物免疫系统分类 | 第26页 |
| §3.3.3 免疫应答 | 第26-27页 |
| §3.4 生物免疫系统与人工免疫 | 第27-28页 |
| §3.5 免疫算法 | 第28-31页 |
| §3.5.1 免疫算法及其收敛性 | 第30-31页 |
| §3.6 总结与讨论 | 第31-32页 |
| 第四章 基于人工免疫的数据挖掘技术及其应用. | 第32-47页 |
| §4.1 引言 | 第32-33页 |
| §4.2 基于人工免疫的数据挖掘技术. | 第33页 |
| §4.3 基于人工免疫的关联规则挖掘技术. | 第33-42页 |
| §4.3.1 关联规则研究的主要问题. | 第33-36页 |
| §4.3.2 关联规则挖掘方法存在的问题以及解决的办法. | 第36-37页 |
| §4.3.3 基于AIS的关联规则挖掘算法及其实现 | 第37-42页 |
| §4.3.3.1 关联规则基本概念. | 第37页 |
| §4.3.3.2 算法的基本思想. | 第37页 |
| §4.3.3.3 数据的表达及AIS的初始化 | 第37-38页 |
| §4.3.3.4 ARB的刺激水平 | 第38-39页 |
| §4.3.3.5 B细胞的分配 | 第39页 |
| §4.3.3.6 克隆和变异 | 第39页 |
| §4.3.3.7 规则提取 | 第39-40页 |
| §4.3.3.8 算法描述 | 第40页 |
| §4.3.3.9 实验及结果分析 | 第40-42页 |
| §4.3.3.10 结论与讨论 | 第42页 |
| §4.4 基于人工免疫模型的进化聚类分析 | 第42-47页 |
| §4.4.1 数据集的初始化 | 第42-43页 |
| §4.4.2 引入训练数据的数据处理过程 | 第43页 |
| §4.4.3 计算B细胞的刺激度 | 第43-44页 |
| §4.4.4 “B细胞”的克隆变异 | 第44页 |
| §4.4.5 “B细胞”集的数据进化 | 第44页 |
| §4.4.6 “B细胞”聚类分析方法 | 第44-46页 |
| §4.4.7 实验结果及讨论 | 第46-47页 |
| 第五章 一种新型的免疫机制“危险模式”及其算法研究 | 第47-55页 |
| §5.1 引言 | 第47页 |
| §5.2 危险理论免疫模式 | 第47-52页 |
| §5.2.1 Burnet模式 | 第47-48页 |
| §5.2.2 双模式模型. | 第48页 |
| §5.2.3 双信号模式的延伸-协同刺激模式.. | 第48-49页 |
| §5.2.4 INS模式. | 第49-50页 |
| §5.2.5 危险模式 | 第50-52页 |
| §5.2.5.1 危险信号. | 第51-52页 |
| §5.3 危险理论的人工免疫系统及算法描述 | 第52-54页 |
| §5.3.1 传统的人工免疫系统的缺点 | 第52-53页 |
| §5.3.2 基于危险模式的人工免疫的算法描述 | 第53-54页 |
| §5.4 基于危险模式的人工免疫与传统的免疫算法的比较 | 第54页 |
| §5.5 总结 | 第54-55页 |
| 第六章 基于危险模式免疫算法的数据挖掘技术及其应用研究 | 第55-65页 |
| §6.1 引言. | 第55-56页 |
| §6.2 基于危险模式的人工免疫算法的案例简介具体应用算法描述. | 第56-59页 |
| §6.3 基于危险模式免疫算法的自适应入侵检测系统模型 | 第59-65页 |
| §6.3.1 基于危险模式的免疫算法的自适应入侵检测系统模型的系统结构 | 第60-63页 |
| §6.3.3 检测的两个阶段 | 第63-64页 |
| §6.3.4 讨论及总结 | 第64-65页 |
| 第七章 基于危险模式免疫算法在计算机及网络的安全体系方面的展望 | 第65-71页 |
| §7.1 引言 | 第65页 |
| §7.2 传统的网络的安全体系结构 | 第65-66页 |
| §7.3 网络安全模型 | 第66-67页 |
| §7.4 基于危险模式免疫算法的安全体系研究 | 第67-69页 |
| §7.4.1 原理. | 第67-69页 |
| §7.5 本章总结 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第75页 |
