| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究的主要内容及组织结构 | 第11-13页 |
| 1.3.1 主要内容 | 第11-12页 |
| 1.3.2 组织结构 | 第12-13页 |
| 第二章 入侵检测系统分析及改进方向 | 第13-22页 |
| 2.1 入侵检测方法分类 | 第13-14页 |
| 2.2 入侵检测的框架及方法分析 | 第14-19页 |
| 2.2.1 框架分析 | 第14-18页 |
| 2.2.2 方法分析 | 第18-19页 |
| 2.3 入侵检测现存问题及改进方法 | 第19-20页 |
| 2.3.1 现存问题 | 第19-20页 |
| 2.3.2 改进方法 | 第20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 改进的MEA-SKohonen神经网络 | 第22-42页 |
| 3.1 人工神经网络概述 | 第22-23页 |
| 3.2 Kohonen神经网络 | 第23-29页 |
| 3.2.1 基本原理 | 第24-26页 |
| 3.2.2 邻域调整及算法步骤 | 第26-29页 |
| 3.3 改进的SKohonen神经网络及参数设置 | 第29-33页 |
| 3.3.1 改进Kohonen神经网络 | 第29-31页 |
| 3.3.2 SKohonen神经网络的参数设置 | 第31-33页 |
| 3.4 思维进化算法及参数设置 | 第33-37页 |
| 3.4.1 思维进化算法 | 第33-35页 |
| 3.4.2 思维进化算法的参数设置 | 第35-37页 |
| 3.5 Elman神经网络及参数设置 | 第37-39页 |
| 3.5.1 Elman神经网络 | 第37-38页 |
| 3.5.2 Elman神经网络的参数设置 | 第38-39页 |
| 3.6 建立MEA-SKohonen神经网络模型 | 第39-40页 |
| 3.7 本章小结 | 第40-42页 |
| 第四章 数据预处理及遗传算法降维 | 第42-53页 |
| 4.1 KDD Cup-99 数据集及数据预处理 | 第42-44页 |
| 4.1.1 KDD Cup-99 数据集介绍 | 第42页 |
| 4.1.2 数据预处理 | 第42-44页 |
| 4.2 遗传算法对数据集降维 | 第44-49页 |
| 4.2.1 遗传算法降维原理及步骤 | 第44-48页 |
| 4.2.2 遗传算法降维的参数设置 | 第48-49页 |
| 4.3 实验仿真环境及数据集降维结果 | 第49-52页 |
| 4.3.1 实验仿真环境 | 第49-50页 |
| 4.3.2 数据集降维结果 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 实验与结果分析 | 第53-70页 |
| 5.1 数据降维和MEA-SKohonen结合的入侵检测模型 | 第53页 |
| 5.2 MEA-SKohonen模型对降维后数据集的仿真 | 第53-63页 |
| 5.3 MEA-Elman模型对降维后数据集的仿真 | 第63-66页 |
| 5.4 两种入侵检测模型的对比 | 第66-68页 |
| 5.5 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 在学期间的研究成果 | 第75-76页 |
| 致谢 | 第76页 |
