| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 入侵检测研究现状 | 第9-10页 |
| 1.2.2 结合智能优化算法的入侵检测方法研究现状 | 第10-11页 |
| 1.2.3 灰狼优化算法研究现状 | 第11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第2章 融合杜鹃搜索的灰狼优化(CS-GWO)算法 | 第13-25页 |
| 2.1 相关智能优化算法 | 第13-18页 |
| 2.1.1 粒子群优化(PSO)算法 | 第13-14页 |
| 2.1.2 杜鹃搜索(CS)算法 | 第14-15页 |
| 2.1.3 灰狼优化(GWO)算法 | 第15-18页 |
| 2.2 CS-GWO算法 | 第18-21页 |
| 2.2.1 融合思想 | 第18-20页 |
| 2.2.2 算法流程 | 第20-21页 |
| 2.3 实验仿真与结果分析 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 CS-GWO算法在入侵检测特征选择中的应用 | 第25-44页 |
| 3.1 特征选择概述 | 第25-29页 |
| 3.2 基于群智能优化算法的入侵检测特征选择方法 | 第29-33页 |
| 3.2.1 基于PSO算法的入侵检测特征选择方法 | 第29-30页 |
| 3.2.2 基于CS算法的入侵检测特征选择方法 | 第30-31页 |
| 3.2.3 基于GWO算法的入侵检测特征选择方法 | 第31-32页 |
| 3.2.4 基于CS-GWO算法的入侵检测特征选择方法 | 第32-33页 |
| 3.3 实验仿真与结果分析 | 第33-43页 |
| 3.3.1 UCI数据集实验与结果分析 | 第34-36页 |
| 3.3.2 入侵检测数据集实验与结果分析 | 第36-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 CS-GWO算法在入侵检测特征与SVM参数同步优化中的应用 | 第44-65页 |
| 4.1 支持向量机概述 | 第44-48页 |
| 4.2 基于群智能优化算法的入侵检测同步优化方法 | 第48-57页 |
| 4.2.1 基于PSO算法的入侵检测特征与SVM参数同步优化方法 | 第49-51页 |
| 4.2.2 基于CS算法的入侵检测特征与SVM参数同步优化方法 | 第51-53页 |
| 4.2.3 基于GWO算法的入侵检测特征与SVM参数同步优化方法 | 第53-55页 |
| 4.2.4 基于CS-GWO算法的入侵检测特征与SVM参数同步优化方法 | 第55-57页 |
| 4.3 实验仿真与结果分析 | 第57-64页 |
| 4.3.1 UCI数据集实验与结果分析 | 第57-60页 |
| 4.3.2 入侵检测数据集实验与结果分析 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 本文工作总结 | 第65页 |
| 5.2 未来研究展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71页 |
