| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题背景及意义 | 第7-8页 |
| ·人工神经网络的研究概况 | 第8-9页 |
| ·智能优化算法的研究概况 | 第9-10页 |
| ·论文的主要研究工作 | 第10-12页 |
| 第二章 入侵检测概述 | 第12-21页 |
| ·入侵检测的产生与发展 | 第12-13页 |
| ·入侵检测的基本概念 | 第13-16页 |
| ·入侵检测的概念 | 第13页 |
| ·入侵检测的结构 | 第13-14页 |
| ·入侵检测的作用 | 第14-15页 |
| ·入侵检测的必要性 | 第15-16页 |
| ·入侵检测系统的分类 | 第16-19页 |
| ·按照检测对象分类 | 第16-17页 |
| ·按照检测的技术或方法分类 | 第17-19页 |
| ·入侵检测系统存在的问题和发展方向 | 第19-21页 |
| ·入侵检测系统存在的问题 | 第19-20页 |
| ·入侵检测系统的发展方向 | 第20-21页 |
| 第三章 粒子群优化算法 | 第21-31页 |
| ·粒子群优化算法的提出 | 第21-22页 |
| ·基本粒子群优化算法 | 第22-24页 |
| ·算法原理 | 第22-23页 |
| ·算法流程 | 第23页 |
| ·算法的社会行为分析 | 第23-24页 |
| ·几种改进的粒子群优化算法 | 第24-28页 |
| ·带有惯性因子的粒子群优化算法 | 第24页 |
| ·带有收缩因子的粒子群优化算法 | 第24-25页 |
| ·基于遗传思想改进的粒子群优化算法 | 第25-26页 |
| ·小生境粒子群优化算法 | 第26-28页 |
| ·其他的改进粒子群优化算法 | 第28页 |
| ·具有量子行为粒子群算法 | 第28-31页 |
| ·粒子群算法的缺点 | 第28页 |
| ·具有量子行为粒子群算法模型 | 第28-30页 |
| ·具有量子行为粒子群算法的优点 | 第30-31页 |
| 第四章 基于QPSO-WNN 在异常检测中的应用 | 第31-44页 |
| ·小波神经网络简介 | 第31-35页 |
| ·小波分析简介 | 第31页 |
| ·小波神经网络的提出 | 第31-34页 |
| ·小波函数的选取 | 第34页 |
| ·小波神经网络面临的挑战 | 第34-35页 |
| ·遗传算法优化的小波神经网络模型 | 第35-39页 |
| ·遗传算法概述 | 第35-37页 |
| ·基于GA 的小波神经网络的模型建立 | 第37-39页 |
| ·QPSO 优化的小波神经网络模型 | 第39页 |
| ·实验数据描述 | 第39-41页 |
| ·原始数据中网络连接信息预处理 | 第40页 |
| ·数据集描述 | 第40-41页 |
| ·实验数据预处理 | 第41页 |
| ·仿真实验 | 第41-44页 |
| 第五章 基于MQPSO-WFNN 的网络异常检测问题的研究 | 第44-50页 |
| ·改进的QPSO 算法 | 第44-45页 |
| ·小波模糊神经网络概述 | 第45-47页 |
| ·模糊神经网络简介 | 第45-46页 |
| ·小波模糊神经网络简介 | 第46-47页 |
| ·系统仿真实验 | 第47-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·工作总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第57页 |