基于T-S模型模糊神经网络的入侵检测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·入侵检测的研究背景和现状 | 第11-13页 |
| ·网络安全技术现状 | 第11-13页 |
| ·入侵检测技术研究现状 | 第13页 |
| ·智能技术在入侵检测系统中的应用现状 | 第13-15页 |
| ·本文的研究目的和意义 | 第15-16页 |
| ·本文的内容概要 | 第16-18页 |
| 第2章 入侵检测概述 | 第18-27页 |
| ·入侵检测的概念 | 第18页 |
| ·入侵检测系统的结构 | 第18-19页 |
| ·入侵检测系统的分类 | 第19-21页 |
| ·基于主机的入侵检测 | 第19-20页 |
| ·基于网络的入侵检测 | 第20页 |
| ·分布式入侵检测系统 | 第20-21页 |
| ·入侵检测系统评价标准及其发展方向 | 第21-22页 |
| ·入侵检测技术 | 第22-25页 |
| ·异常检测 | 第22-24页 |
| ·误用检测 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 模糊神经网络 | 第27-47页 |
| ·模糊系统与神经网络概述 | 第27-36页 |
| ·神经网络的概念 | 第27-31页 |
| ·模糊系统 | 第31-35页 |
| ·模糊逻辑与神经网络的比较 | 第35-36页 |
| ·模糊系统与神经网络的融合 | 第36-46页 |
| ·模糊系统与神经网络的融合方式 | 第36-37页 |
| ·狭义模糊神经网络 | 第37-40页 |
| ·神经模糊系统 | 第40-43页 |
| ·神经-模糊混合系统 | 第43-45页 |
| ·模糊神经网络的分类 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 T-S 模型模糊神经网络的研究 | 第47-62页 |
| ·问题的提出 | 第47-51页 |
| ·人工神经网络在入侵检测中的应用现状 | 第47-49页 |
| ·基于T-S FNN 的入侵检测方法的优势 | 第49-51页 |
| ·T-S 型模糊神经网络的结构分析 | 第51-54页 |
| ·T-S 模型的数学原型 | 第51页 |
| ·T-S 模型模糊神经网络结构的设计 | 第51-54页 |
| ·前件网络参数的学习算法设计 | 第54-59页 |
| ·BP 算法的基本原理 | 第54-57页 |
| ·BP 算原理应用于模糊参数学习 | 第57-59页 |
| ·后件网络连接权学习算法设计 | 第59-61页 |
| ·遗传算法 | 第59页 |
| ·改进遗传算法并用于训练连接权 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 T-S 模型模糊神经网络应用于入侵检测 | 第62-69页 |
| ·数据来源 | 第62-64页 |
| ·网络数据的特征选取 | 第64-65页 |
| ·属性相关度分析 | 第64-65页 |
| ·分类检测 | 第65页 |
| ·数据预处理 | 第65-67页 |
| ·字符属性数值化 | 第66页 |
| ·归一化处理 | 第66-67页 |
| ·T-S 型模糊神经网络的结构参数设置 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 实验与分析 | 第69-74页 |
| ·实验准备 | 第69页 |
| ·实验目的 | 第69页 |
| ·实验环境与实验参数 | 第69页 |
| ·实验过程描述 | 第69-71页 |
| ·实验数据处理 | 第69-71页 |
| ·T-S FNN 的训练 | 第71页 |
| ·实验结果 | 第71-72页 |
| ·结果分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读学位期间发表的学术论文 | 第82-83页 |
| 致谢 | 第83页 |
