| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究内容与意义 | 第10-11页 |
| 1.3 论文组织结构 | 第11-13页 |
| 第2章 相关理论基础 | 第13-21页 |
| 2.1 异常检测概述 | 第13-14页 |
| 2.2 主要网络异常检测方法 | 第14-16页 |
| 2.3 直推式异常检测方法 | 第16-18页 |
| 2.4 粒子群优化方法 | 第18-19页 |
| 2.5 过滤式特征选择方法 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 面向TCM-RNE的粒子群样本规模优化算法 | 第21-37页 |
| 3.1 问题提出 | 第21页 |
| 3.2 异常检测样本规模优化 | 第21-22页 |
| 3.3 面向TCM-RNE的粒子群样本规模优化算法 | 第22-30页 |
| 3.3.1 粒子群优化算法 | 第22-25页 |
| 3.3.2 相关优化策略 | 第25-29页 |
| 3.3.3 面向TCM-RNE的粒子群样本规模优化算法 | 第29-30页 |
| 3.4 实验结果与分析 | 第30-36页 |
| 3.4.1 实验数据 | 第30-31页 |
| 3.4.2 实验目标 | 第31-32页 |
| 3.4.3 实验设计思路 | 第32页 |
| 3.4.4 实验结果分析 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 面向TCM-RNE的组合式样本规模优化算法 | 第37-51页 |
| 4.1 问题提出 | 第37页 |
| 4.2 异常检测样本规模优化 | 第37-38页 |
| 4.3 基于ReliefF的特征选择算法 | 第38-41页 |
| 4.3.1 单分类Relief特征选择算法 | 第38-40页 |
| 4.3.2 多分类ReliefF特征选择算法 | 第40-41页 |
| 4.4 基于CFS的特征选择算法 | 第41-43页 |
| 4.5 面向TCM-RNE的组合式样本规模优化算法 | 第43-46页 |
| 4.5.1 算法相关定义 | 第43-44页 |
| 4.5.2 ReCFS算法描述 | 第44-46页 |
| 4.6 实验结果与分析 | 第46-50页 |
| 4.6.1 实验数据 | 第46页 |
| 4.6.2 实验目标 | 第46-47页 |
| 4.6.3 实验设计思路 | 第47页 |
| 4.6.4 实验结果分析 | 第47-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第5章 基于样本规模优化的TCM-RNE异常检测算法 | 第51-71页 |
| 5.1 问题提出 | 第51-52页 |
| 5.2 基于样本规模优化的TCM-RNE异常检测框架 | 第52-53页 |
| 5.3 基于样本规模优化的TCM-RNE异常检测算法 | 第53-57页 |
| 5.3.1 算法相关定义 | 第53-54页 |
| 5.3.2 基于粒子群样本规模优化的TCM-RNE算法 | 第54-56页 |
| 5.3.3 基于组合式样本规模优化的TCM-RNE算法 | 第56-57页 |
| 5.4 实验结果与分析 | 第57-69页 |
| 5.4.1 实验数据 | 第57-58页 |
| 5.4.2 数据预处理 | 第58-59页 |
| 5.4.3 实验目标 | 第59页 |
| 5.4.4 实验设计思路 | 第59-60页 |
| 5.4.5 TCM-RNE&IBPSO实验结果分析 | 第60-64页 |
| 5.4.6 TCM-RNE&ReCFS实验结果分析 | 第64-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读学位期间的研究成果 | 第78页 |
