改进贝叶斯算法及其在入侵检测的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 入侵检测与数据挖掘 | 第9-12页 |
| 1.2 研究背景和意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 主要研究工作 | 第14-15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 2 贝叶斯理论与贝叶斯分类器 | 第17-25页 |
| 2.1 贝叶斯定理 | 第17-20页 |
| 2.2 朴素贝叶斯分类模型 | 第20-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 基于人工鱼群的特征选择 | 第25-33页 |
| 3.1 人工鱼群算法 | 第25-27页 |
| 3.2 特征选择 | 第27-30页 |
| 3.3 基于人工鱼群算法的特征选择流程 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于模糊因子的朴素贝叶斯分类器 | 第33-42页 |
| 4.1 问题的提出 | 第33页 |
| 4.2 朴素贝叶斯的分类流程 | 第33-34页 |
| 4.3 引入模糊因子a的朴素贝叶斯算法 | 第34-35页 |
| 4.4 基于模糊因子的朴素贝叶斯分类模型 | 第35-37页 |
| 4.5 模糊因子的选择 | 第37页 |
| 4.6 仿真实验 | 第37-41页 |
| 4.7 本章小结 | 第41-42页 |
| 5 基于哈夫曼树的模糊因子朴素贝叶斯分类器 | 第42-51页 |
| 5.1 方法的提出 | 第42-43页 |
| 5.2 K-means聚类 | 第43-45页 |
| 5.3 哈夫曼树的构建 | 第45-46页 |
| 5.4 基于哈夫曼树的模糊因子朴素贝叶斯分类模型 | 第46-47页 |
| 5.5 仿真实验 | 第47-50页 |
| 5.6 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 论文的主要工作 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-61页 |
| 附录 KDD’99 属性集 | 第61-62页 |
