| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景与意义 | 第13页 |
| 1.2 入侵检测和支持向量机研究概述 | 第13-16页 |
| 1.2.1 入侵检测的研究现状 | 第13-15页 |
| 1.2.2 支持向量机在入侵检测方面的研究现状 | 第15-16页 |
| 1.3 困难与挑战 | 第16页 |
| 1.4 研究的主要内容 | 第16页 |
| 1.5 论文结构安排 | 第16-18页 |
| 第2章 入侵检测理论基础 | 第18-23页 |
| 2.1 入侵检测 | 第18-21页 |
| 2.1.1 入侵检测的概述 | 第18页 |
| 2.1.2 入侵检测系统的工作流程 | 第18-19页 |
| 2.1.3 入侵检测的分类 | 第19-21页 |
| 2.2 入侵检测的发展趋势 | 第21-22页 |
| 2.2.1 入侵检测存在的问题 | 第21-22页 |
| 2.2.2 入侵检测发展的前景 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 粒子群优化算法及其改进 | 第23-38页 |
| 3.1 引言 | 第23页 |
| 3.2 基本粒子群算法 | 第23-26页 |
| 3.2.1 算法的原理 | 第24页 |
| 3.2.2 算法的流程 | 第24-25页 |
| 3.2.3 粒子群的不足 | 第25-26页 |
| 3.3 混沌粒子群优化算法 | 第26-28页 |
| 3.3.1 混沌及其特性 | 第26-27页 |
| 3.3.2 算法基本思想 | 第27页 |
| 3.3.3 混沌粒子群优化算法流程 | 第27-28页 |
| 3.4 改进的混沌粒子群优化算法 | 第28-32页 |
| 3.4.1 对惯性权重分析 | 第28-29页 |
| 3.4.2 惯性权重调整 | 第29页 |
| 3.4.3 混沌扰动条件 | 第29-30页 |
| 3.4.4 自适应混沌粒子群优化算法描述 | 第30-32页 |
| 3.5 性能测试与结果分析 | 第32-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于ICPSO-SVM的入侵检测模型 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 支持向量机 | 第38-41页 |
| 4.2.1 支持向量机概述 | 第38-39页 |
| 4.2.2 SVM的基本原理 | 第39-40页 |
| 4.2.3 参数对SVM模型的影响 | 第40-41页 |
| 4.3 基于ICPSO-SVM的入侵模型 | 第41-46页 |
| 4.3.1 构造混合核函数 | 第41-42页 |
| 4.3.2 选取适应度函数 | 第42-43页 |
| 4.3.3 参数优化 | 第43-44页 |
| 4.3.4 基于ICPSO-SVM的入侵检测模型结构 | 第44-46页 |
| 4.4 仿真实验和结果分析 | 第46-53页 |
| 4.4.1 入侵检测系统结构图 | 第46页 |
| 4.4.2 入侵检测模型评估标准 | 第46-47页 |
| 4.4.3 实验环境 | 第47页 |
| 4.4.4 数据准备 | 第47-48页 |
| 4.4.5 实验运行情况 | 第48-51页 |
| 4.4.6 实验结果与分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所发表的学术论文和参加的项目 | 第61-62页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第62页 |