入侵检测中基于决策树与朴素贝叶斯的混合分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 本文的研究背景和研究意义 | 第9-10页 |
| 1.2 入侵检测概述 | 第10-12页 |
| 1.3 入侵检测技术的研究现状 | 第12-13页 |
| 1.4 本文的主要研究内容和组织安排 | 第13-15页 |
| 第2章 决策树理论及其分类 | 第15-25页 |
| 2.1 决策树基本思想 | 第15-16页 |
| 2.2 决策树学习 | 第16-18页 |
| 2.2.1 ID3 算法 | 第16页 |
| 2.2.2 C4.5 算法 | 第16-18页 |
| 2.3 决策树算法常见问题 | 第18-24页 |
| 2.3.1 决策树剪枝策略 | 第18-23页 |
| 2.3.2 决策树性能评估 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 贝叶斯理论和朴素贝叶斯分类 | 第25-30页 |
| 3.1 贝叶斯理论 | 第25-26页 |
| 3.1.1 贝叶斯法则 | 第25页 |
| 3.1.2 MAP假设和极大似然假设 | 第25-26页 |
| 3.2 朴素贝叶斯学习 | 第26-28页 |
| 3.2.1 朴素贝叶斯原理 | 第26-27页 |
| 3.2.2 朴素贝叶斯算法流程 | 第27-28页 |
| 3.3 朴素贝叶斯算法分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于DT和NB的入侵检测算法 | 第30-49页 |
| 4.1 数据库和样本集介绍 | 第31-35页 |
| 4.2 数据集预处理 | 第35-38页 |
| 4.3 数据集的特征提取 | 第38页 |
| 4.4 基于DT和NB的网络入侵检测 | 第38-40页 |
| 4.5 实验环境 | 第40页 |
| 4.6 实验结果和分析 | 第40-48页 |
| 4.6.1 生成入侵检测决策树 | 第41-43页 |
| 4.6.2 检测混淆矩阵测试 | 第43-46页 |
| 4.6.3 检测准确率测试 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 论文总结 | 第49页 |
| 5.2 下一步工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间的研究成果 | 第56-57页 |
