| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 论文背景 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容和研究重点 | 第10页 |
| 1.4 章节安排 | 第10-13页 |
| 第二章 聚类算法与数据流聚类算法简介 | 第13-27页 |
| 2.1 聚类的定义 | 第13页 |
| 2.2 聚类算法评价标准 | 第13-14页 |
| 2.3 聚类的方法 | 第14-19页 |
| 2.4 数据流概述 | 第19-22页 |
| 2.4.1 数据流的定义 | 第19页 |
| 2.4.2 数据流的特点 | 第19-20页 |
| 2.4.3 数据流模型 | 第20页 |
| 2.4.4 传统数据聚类与数据流聚类的区别 | 第20-21页 |
| 2.4.5 数据流处理模型 | 第21-22页 |
| 2.5 数据流聚类算法 | 第22-24页 |
| 2.5.1 Stream 算法[35] | 第23页 |
| 2.5.2 CluStream 算法 | 第23-24页 |
| 2.5.3 D-Stream 算法 | 第24页 |
| 2.6 本章小结 | 第24-27页 |
| 第三章 基于桶密度的 BDCluStream 算法设计 | 第27-37页 |
| 3.1 算法要求 | 第27页 |
| 3.2 算法概述 | 第27-35页 |
| 3.2.1 算法框架设计 | 第27-29页 |
| 3.2.2 基本概念定义 | 第29-30页 |
| 3.2.3 在线层 | 第30-31页 |
| 3.2.4 快照数据管理 | 第31-32页 |
| 3.2.5 离线层设计 | 第32-34页 |
| 3.2.6 算法性能分析 | 第34-35页 |
| 3.3 本章小结 | 第35-37页 |
| 第四章 聚类算法在入侵检测中的应用 | 第37-49页 |
| 4.1 引言 | 第37-38页 |
| 4.2 系统框架 | 第38-40页 |
| 4.3 系统实现 | 第40-47页 |
| 4.3.1 数据预处理 | 第40-42页 |
| 4.3.2 聚类分析 | 第42-44页 |
| 4.3.3 规则库 | 第44-46页 |
| 4.3.4 入侵检测应用程序 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 实验分析 | 第49-55页 |
| 5.1 实验环境与数据集 | 第49页 |
| 5.2 入侵检测系统的检测结果分析 | 第49-53页 |
| 5.3 算法性能检测 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 结束语 | 第55-57页 |
| 6.1 本文工作 | 第55页 |
| 6.2 总结与展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-62页 |