| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12页 |
| 1.4 论文的结构 | 第12-14页 |
| 第二章 相关知识 | 第14-24页 |
| 2.1 入侵检测技术分析 | 第14-17页 |
| 2.1.1 入侵检测系统的构成 | 第14-15页 |
| 2.1.2 入侵检测的方法 | 第15-16页 |
| 2.1.3 入侵检测的问题及发展趋势 | 第16-17页 |
| 2.2 聚类分析 | 第17-19页 |
| 2.2.1 聚类技术 | 第17-18页 |
| 2.2.2 聚类的过程 | 第18-19页 |
| 2.3 模糊C均值算法 | 第19-21页 |
| 2.3.1 模糊聚类分析 | 第19-20页 |
| 2.3.2 模糊C均值算法 | 第20页 |
| 2.3.3 FCM算法聚类过程 | 第20-21页 |
| 2.4 粒子群优化算法 | 第21-23页 |
| 2.4.1 粒子群优化算法相关理论 | 第21-22页 |
| 2.4.2 粒子群优化算法步骤 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 第三章 基于PSO和FCM的入侵检测算法 | 第24-38页 |
| 3.1 基于FCM的入侵检测算法分析 | 第24-26页 |
| 3.1.1 基于模糊聚类的入侵检测方法 | 第24-25页 |
| 3.1.2 算法的优缺点分析 | 第25-26页 |
| 3.2 基于PSO-FCM的入侵检测算法 | 第26-36页 |
| 3.2.1 聚类算法 | 第26-32页 |
| 3.2.2 标类算法 | 第32-35页 |
| 3.2.3 检测算法 | 第35-36页 |
| 3.3 小结 | 第36-38页 |
| 第四章 实验结果与分析 | 第38-50页 |
| 4.1 基于PSO-FCM算法的入侵检测系统框架设计 | 第38-39页 |
| 4.2 数据预处理 | 第39-46页 |
| 4.2.1 KDD Cup 1999 Data | 第39-42页 |
| 4.2.2 数据样本筛选 | 第42-44页 |
| 4.2.3 数据预处理 | 第44-46页 |
| 4.3 实验结果与分析 | 第46-49页 |
| 4.3.1 实验环境 | 第46-47页 |
| 4.3.2 实验描述 | 第47页 |
| 4.3.3 实验结果与分析 | 第47-49页 |
| 4.4 小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 论文主要工作 | 第50页 |
| 5.2 后期工作展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表论文情况 | 第56页 |