| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 入侵检测系统 | 第12-20页 |
| ·入侵检测和入侵检测系统(IDS)的概念 | 第12-14页 |
| ·入侵检测系统分类 | 第14-16页 |
| ·按照信息的来源分类 | 第14-15页 |
| ·按照数据分析方法分类 | 第15页 |
| ·按照实效性分类 | 第15-16页 |
| ·常用的入侵检测技术 | 第16-19页 |
| ·基于统计的异常检测方法 | 第16页 |
| ·基于专家系统入侵检测方法 | 第16-17页 |
| ·基于贝叶斯推理的异常检测方法 | 第17页 |
| ·基于神经网络的异常检测方法 | 第17-18页 |
| ·基于免疫系统的入侵检测方法 | 第18页 |
| ·基于数据挖掘的入侵检测方法 | 第18-19页 |
| ·本文的研究内容与组织 | 第19-20页 |
| 第二章 数据挖掘 | 第20-34页 |
| ·数据挖掘概述 | 第20-21页 |
| ·数据挖掘过程 | 第21-22页 |
| ·数据挖掘技术 | 第22-26页 |
| ·分类(Classification) | 第22-23页 |
| ·聚类(Clustering) | 第23-25页 |
| ·关联规则(Association Rules) | 第25页 |
| ·序列模式(Sequential Patterns) | 第25页 |
| ·偏离发现(Deviation Mining) | 第25-26页 |
| ·决策树分类模型 | 第26页 |
| ·几种常用的决策树算法简介 | 第26-33页 |
| ·ID3算法简介 | 第27-29页 |
| ·C4.5算法简介 | 第29-30页 |
| ·CART算法简介 | 第30-31页 |
| ·SLIQ算法简介 | 第31-32页 |
| ·决策树分类算法的比较 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 随机决策树 | 第34-43页 |
| ·随机决策树产生背景 | 第34-35页 |
| ·启发式的选择树的深度 | 第35-36页 |
| ·随机树的个数的选择 | 第36-37页 |
| ·算法描述 | 第37-38页 |
| ·实验 | 第38-42页 |
| ·数据集 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| ·算法分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于属性重要度的随机决策树 | 第43-50页 |
| ·粗糙集的相关概念 | 第43-44页 |
| ·基于粗糙集的属性重要性评价方法 | 第44-45页 |
| ·ASRDT算法描述 | 第45-46页 |
| ·算法分析 | 第46页 |
| ·实验结果 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于离散化的随机决策树入侵检测模型研究 | 第50-55页 |
| ·离散化问题描述 | 第50-51页 |
| ·密度聚类DBSCAN算法 | 第51-52页 |
| ·基于改进DBSCAN算法的离散化方法 | 第52-53页 |
| ·算法描述 | 第53页 |
| ·实验结果 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结束语 | 第55-57页 |
| ·已完成工作 | 第55-56页 |
| ·下一步工作 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 研究生期间主要科研工作及成果 | 第63-64页 |
| 发表学术论文 | 第64页 |