| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·入侵检测研究的发展和现状 | 第11-12页 |
| ·入侵检测系统的要求和存在的问题 | 第12-13页 |
| ·入侵检测系统的要求 | 第12-13页 |
| ·入侵检测系统存在的问题 | 第13页 |
| ·本文所做工作与结构安排 | 第13-16页 |
| 第2章 入侵检测综述 | 第16-26页 |
| ·入侵检测概要 | 第16-17页 |
| ·入侵检测相关概念 | 第16页 |
| ·入侵检测系统结构 | 第16-17页 |
| ·入侵检测系统分类 | 第17-20页 |
| ·根据数据源的分类 | 第18-19页 |
| ·根据检测方式的分类 | 第19页 |
| ·根据系统架构的分类 | 第19页 |
| ·根据时效方面的分类 | 第19页 |
| ·根据响应方式的分类 | 第19-20页 |
| ·入侵检测技术 | 第20-26页 |
| ·误用检测技术 | 第20-22页 |
| ·异常检测技术 | 第22-26页 |
| 第3章 特征选择技术在入侵检测中的应用研究 | 第26-36页 |
| ·特征选择概述 | 第26-29页 |
| ·特征选择的定义 | 第26页 |
| ·特征选择方法的一般流程 | 第26-29页 |
| ·特征选择分类 | 第29-31页 |
| ·特征选择在入侵检测中的应用 | 第31-36页 |
| ·特征的相关性与冗余性 | 第31-32页 |
| ·一种入侵检测中常用的一般性特征选择模型 | 第32-36页 |
| 第4章 基于粒子群算法和最小二乘支持向量机的特征选择方法 | 第36-48页 |
| ·粒子群算法（Particle Swarm Optimization，PSO） | 第36-39页 |
| ·粒子群算法的基本概念 | 第36页 |
| ·基本粒子群算法的数学描述 | 第36-37页 |
| ·离散的二进制粒子群算法 | 第37页 |
| ·改进的离散二进制粒子群算法 | 第37-39页 |
| ·支持向量机（Support Vector Machine） | 第39-43页 |
| ·支持向量机的基本思想 | 第39页 |
| ·支持向量机的关键技术 | 第39-40页 |
| ·基本的支持向量机模型 | 第40-42页 |
| ·最小二乘支持向量机（Least squares support vector machine)模型 | 第42-43页 |
| ·基于改进二进制粒子群算法和最小二乘支持向量机的特征选择方法 | 第43-45页 |
| ·粒子编码 | 第44页 |
| ·适应度函数选择 | 第44页 |
| ·粒子的运动轨迹和相应参数 | 第44-45页 |
| ·特征选择过程 | 第45-48页 |
| 第5章 IBPSO-LSSVM 特征选择方法在入侵检测中的应用 | 第48-54页 |
| ·IBPSO-LSSVM 入侵检测模型 | 第48页 |
| ·仿真实验 | 第48-54页 |
| ·数据集介绍 | 第48-50页 |
| ·实验方案 | 第50-51页 |
| ·性能量化 | 第51页 |
| ·实验结果 | 第51-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
