| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究的意义及其背景 | 第8-10页 |
| ·课题研究的意义 | 第8页 |
| ·国内外研究现状简介 | 第8-10页 |
| ·论文的主要研究内容与创新点 | 第10-11页 |
| ·本文的研究内容 | 第10页 |
| ·本文的创新之处 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 特征选择概述 | 第13-20页 |
| ·特征选择的基本概念和一般过程 | 第13-14页 |
| ·特征选择模型 | 第14-16页 |
| ·嵌入式特征选择 | 第14页 |
| ·过滤式特征选择 | 第14-15页 |
| ·封装式特征选择 | 第15-16页 |
| ·相关的特征选择算法 | 第16-19页 |
| ·Relief及其变种算法介绍 | 第16-17页 |
| ·基于辨别矩阵的属性约简 | 第17-18页 |
| ·基于遗传算法的属性约简 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于margin的特征子集评估准则 | 第20-25页 |
| ·引言 | 第20页 |
| ·margin评估准则 | 第20-23页 |
| ·基于margin准则的属性约简算法 | 第23页 |
| ·实验结果及分析 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第四章 基于混合差别矩阵的特征选择算法及其在入侵检测中的应用 | 第25-32页 |
| ·引言 | 第25页 |
| ·混合辨别矩阵的构造及其属性约简算法 | 第25-27页 |
| ·实验结果与分析 | 第27-31页 |
| ·UCI数据集上的实验结果及分析 | 第27-29页 |
| ·KDDCUP99数据集上的实验结果及分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第五章 有监督分类器集成及其在入侵检测中的应用 | 第32-41页 |
| ·集成学习概述 | 第32-36页 |
| ·基本概念 | 第32页 |
| ·个体生成方法 | 第32-36页 |
| ·基于margin的特征选择的集成 | 第36-40页 |
| ·算法分析与描述 | 第36-38页 |
| ·KDDCUP99数据集上的实验结果与分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第六章 半监督分类器集成及其在入侵检测中的应用 | 第41-51页 |
| ·引言 | 第41-42页 |
| ·半监督学习 | 第42-44页 |
| ·半监督学习简介 | 第42-43页 |
| ·协同训练算法描述 | 第43-44页 |
| ·一种新的半监督分类器集成算法 | 第44-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·数据源 | 第45页 |
| ·实验结果及分析 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第七章 结束语 | 第51-53页 |
| ·本文工作总结 | 第51页 |
| ·未来工作展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录 攻读硕士学位期间发表(录用)论文情况 | 第58页 |