| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 缩略字表 | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究目的和意义 | 第14-15页 |
| 1.3 研究现状及发展前景 | 第15-16页 |
| 1.4 论文的组织与结构 | 第16-17页 |
| 第二章 聚类和支持向量数据描述(SVDD)算法 | 第17-27页 |
| 2.1 聚类算法 | 第17-22页 |
| 2.1.1 典型聚类算法及其特点 | 第17-19页 |
| 2.1.2 传统的密度峰值聚类DPC算法 | 第19-22页 |
| 2.2 支持向量的数据描述(SVDD)算法研究的基本原理 | 第22-26页 |
| 2.2.1 线性描述 | 第22-24页 |
| 2.2.2 非线性描述 | 第24-25页 |
| 2.2.3 核函数 | 第25-26页 |
| 2.3 本章小节 | 第26-27页 |
| 第三章 基于SVDD密度峰值聚类(DDPC-SVDD)算法研究 | 第27-52页 |
| 3.1 改进的密度峰值聚类DDPC算法 | 第27-34页 |
| 3.1.1 轮廓系数(SIL)及调整轮廓系数(ASIL) | 第29-32页 |
| 3.1.2 改进的DDPC算法及其测试 | 第32-34页 |
| 3.2 聚类算法和SVDD结合模型研究 | 第34-40页 |
| 3.2.1 基于SVDD的密度峰值聚类算法(DDPC-SVDD) | 第36-37页 |
| 3.2.2 算法的评估方法 | 第37-40页 |
| 3.3 SVDD参数设置与寻优方法 | 第40-48页 |
| 3.3.1 参数设置与寻优分析 | 第42-44页 |
| 3.3.2 基于GPAM-PSO的寻优算法 | 第44-47页 |
| 3.3.3 仿真及结果讨论 | 第47-48页 |
| 3.4 DDPC-SVDD与CC-SVDD比较研究 | 第48-51页 |
| 3.4.1 DDPC-SVDD与CC-SVDD的F-Score分析 | 第48-49页 |
| 3.4.2 DDPC-SVDD与CC-SVDD的ROC分析 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于DDPC-SVDD接入网入侵检测应用及验证分析 | 第52-62页 |
| 4.1 基于DDPC-SVDD接入网入侵检测应用模型 | 第52-56页 |
| 4.2 验证平台及数据集 | 第56-58页 |
| 4.2.1 仿真平台 | 第56页 |
| 4.2.2 数据集 | 第56-57页 |
| 4.2.3 验证数据选择及分析 | 第57-58页 |
| 4.3 结果与讨论 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本论文工作总结 | 第62-63页 |
| 5.2 下一步工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-72页 |
| 读硕期间取得的研究成果 | 第72-73页 |
