基于免疫网络理论的数据聚类及应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-14页 |
| 第二章 免疫网络理论 | 第14-20页 |
| ·自然免疫系统 | 第14-15页 |
| ·生物免疫原理 | 第14页 |
| ·生物免疫系统的信息处理机制对入侵检测的启示 | 第14-15页 |
| ·人工免疫系统 | 第15-16页 |
| ·人工免疫系统原理 | 第15-16页 |
| ·免疫网络理论 | 第16-17页 |
| ·独特性网络理论 | 第16页 |
| ·免疫网络模型 | 第16-17页 |
| ·人工免疫网络在数据聚类中的应用 | 第17页 |
| ·人工免疫网络应用于数据聚类的优缺点 | 第17-18页 |
| ·人工免疫网络的发展趋势 | 第18-20页 |
| 第三章 数据聚类分析 | 第20-25页 |
| ·传统数据聚类算法 | 第20-21页 |
| ·传统聚类算法研究现状 | 第20-21页 |
| ·传统聚类算法的优缺点 | 第21页 |
| ·基于群体的免疫聚类算法 | 第21-22页 |
| ·基于群体的免疫聚类算法研究现状 | 第21-22页 |
| ·基于群体的免疫聚类算法的优缺点 | 第22页 |
| ·基于免疫网络理论的聚类算法 | 第22-25页 |
| ·基于免疫网络理论的聚类算法研究现状 | 第22-24页 |
| ·基于免疫网络理论数据聚类算法的优缺点 | 第24-25页 |
| 第四章 免疫网络聚类在入侵检测中的应用 | 第25-33页 |
| ·信息安全技术及其发展现状 | 第25-26页 |
| ·网络安全技术及其发展现状 | 第25页 |
| ·传统安全技术的局限性 | 第25-26页 |
| ·入侵检测系统 | 第26-28页 |
| ·入侵检测系统的基本原理 | 第26-27页 |
| ·当前入侵检测系统存在的问题 | 第27-28页 |
| ·基于免疫原理的入侵检测系统 | 第28-33页 |
| ·国内外基于免疫原理的入侵检测研究现状 | 第28-29页 |
| ·免疫原理应用于入侵检测的可行性分析 | 第29-33页 |
| 第五章 一种基于人工免疫网络聚类的入侵检测方法 | 第33-57页 |
| ·基于免疫网络聚类的入侵检测方法设计思路 | 第33-34页 |
| ·簇的求解算法 | 第34-40页 |
| ·受自适应半径启发的免疫学习算法 | 第34-36页 |
| ·免疫网络学习算法的详细设计 | 第36-37页 |
| ·免疫学习算法的过程分析 | 第37-38页 |
| ·基于统计与均匀划分的密度评估算法 | 第38-40页 |
| ·免疫网络学习算法的时间复杂度及收敛性分析 | 第40页 |
| ·簇的求解算法 | 第40-42页 |
| ·评估密度保留 | 第42-48页 |
| ·相对距离被曲解 | 第42-45页 |
| ·边界模糊的情形 | 第45-48页 |
| ·簇的标记算法 | 第48-49页 |
| ·入侵检测算法 | 第49页 |
| ·实验设计与实验结果 | 第49-57页 |
| ·实验设计思路 | 第49-50页 |
| ·数据预处理 | 第50-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·实验参数分析 | 第52-54页 |
| ·与其它入侵检测方法的比较 | 第54-57页 |
| 第六章 结论及展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻硕期间取得的研究成果 | 第64-65页 |
