基于流形学习的无线传感器网络入侵检测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究目的与意义 | 第8页 |
| ·研究现状与相关工作 | 第8-9页 |
| ·本文结构安排 | 第9-12页 |
| 2 无线传感器网络入侵检测相关理论研究 | 第12-18页 |
| ·无线传感器网络概述 | 第12-13页 |
| ·无线传感器网络概述及体系结构 | 第12页 |
| ·无线传感器网络安全研究 | 第12-13页 |
| ·入侵检测方法 | 第13-14页 |
| ·入侵检测方法 | 第13-14页 |
| ·无线传感器网络入侵检测方法 | 第14-16页 |
| ·无线传感器网络入侵检测概念 | 第14页 |
| ·无线传感器网络入侵检测分类及方法 | 第14-15页 |
| ·无线传感器网络入侵检测面临的问题 | 第15-16页 |
| ·本章小结 | 第16-18页 |
| 3 流形学习 | 第18-24页 |
| ·流形学习概述 | 第18-20页 |
| ·流形学习介绍 | 第18-19页 |
| ·流形学习定义 | 第19-20页 |
| ·几种主要的流形学习算法 | 第20-22页 |
| ·主成分分析 PCA | 第20页 |
| ·等规度映射 ISOMAP | 第20-21页 |
| ·局部线性嵌入 LLE | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 4 基于流形学习的无线传感器网络入侵检测方法 | 第24-30页 |
| ·拉普拉斯特征映射用于入侵检测 | 第24-25页 |
| ·拉普拉斯特征映射 | 第24页 |
| ·拉普拉斯特征映射算法流程 | 第24-25页 |
| ·LE 算法的改进 | 第25-26页 |
| ·加权拉普拉斯特征映射 | 第25-26页 |
| ·加权拉普拉斯特征映射算法流程 | 第26页 |
| ·支持向量机 SVM | 第26-28页 |
| ·支持向量机 | 第26-27页 |
| ·加权拉普拉斯特征映射+SVM | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 5 仿真实验及结果分析 | 第30-38页 |
| ·实验环境与实验方法 | 第30页 |
| ·实验结果与分析 | 第30-36页 |
| ·几种算法实验结果与分析 | 第30-32页 |
| ·加权拉普拉斯特征映射+SVM 实验与结果分析 | 第32-36页 |
| ·本章小结 | 第36-38页 |
| 6 结论与展望 | 第38-40页 |
| ·结论 | 第38页 |
| ·展望 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 后记（含致谢） | 第44页 |
