| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-19页 |
| ·课题背景与意义 | 第11-12页 |
| ·数据挖掘技术概述 | 第12-14页 |
| ·聚类分析 | 第14-15页 |
| ·模糊聚类算法 | 第15-16页 |
| ·遗传算法 | 第16页 |
| ·本文研究内容 | 第16-19页 |
| 2 数据聚类及聚类挖掘技术 | 第19-27页 |
| ·数据聚类分析概述 | 第19-20页 |
| ·聚类分析算法相似度度量 | 第20-22页 |
| ·距离函数 | 第20-21页 |
| ·相似度函数 | 第21-22页 |
| ·聚类分析中的聚类质量的准则函数 | 第22-23页 |
| ·常见的聚类算法 | 第23-25页 |
| ·k-均值聚类算法 | 第23-24页 |
| ·BIRCH算法 | 第24页 |
| ·DBSCAN算法 | 第24页 |
| ·k-modes算法 | 第24页 |
| ·模糊k-modes算法 | 第24-25页 |
| ·STING算法 | 第25页 |
| ·本章小结 | 第25-27页 |
| 3 遗传算法和模糊聚类 | 第27-45页 |
| ·遗传算法概述 | 第27-31页 |
| ·遗传算法的构成要素 | 第27-30页 |
| ·染色体编码 | 第27-28页 |
| ·适应度函数 | 第28页 |
| ·基本遗传操作 | 第28-30页 |
| ·基本遗传算法的运行参数 | 第30页 |
| ·遗传算法的思想 | 第30-31页 |
| ·模糊聚类 | 第31-35页 |
| ·FCM算法的基本原理 | 第32-33页 |
| ·FCM算法的步骤 | 第33-34页 |
| ·FCM算法相关问题的讨论 | 第34-35页 |
| ·FCM算法的分析 | 第35页 |
| ·遗传模糊聚类算法的概况 | 第35-36页 |
| ·改进的遗传算法分析 | 第36-39页 |
| ·染色体编码 | 第36页 |
| ·种群初始化 | 第36-37页 |
| ·遗传算子的具体设计 | 第37-39页 |
| ·设计选择算子 | 第37页 |
| ·设计交叉算子 | 第37-38页 |
| ·设计变异算子 | 第38-39页 |
| ·适应度函数设计 | 第39页 |
| ·迭代停止准则、群体更新以及染色体解码 | 第39页 |
| ·基于改进遗传算法的模糊聚类算法 | 第39-44页 |
| ·初始化聚类中心的确定 | 第39-40页 |
| ·第一个聚类中心的计算方法 | 第40-41页 |
| ·聚类有效性函数指标 | 第41页 |
| ·基于改进遗传算法的模糊聚类算法(IG-FCM)思想 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 4 改进遗传模糊聚类算法在入侵检测中的应用 | 第45-61页 |
| ·入侵检测技术概述 | 第45-48页 |
| ·入侵检测的起源与发展 | 第45-46页 |
| ·入侵检测模型 | 第46-47页 |
| ·入侵检测的分类 | 第47-48页 |
| ·根据信息的来源进行分类 | 第47-48页 |
| ·根据检测的方法进行分类 | 第48页 |
| ·聚类挖掘技术应用于入侵检测 | 第48-50页 |
| ·聚类算法用于入侵检测的模型 | 第49页 |
| ·入侵检测中聚类挖掘方法分析 | 第49-50页 |
| ·IG-WFCM算法在入侵检测系统中的应用 | 第50-54页 |
| ·数据预处理及加权混合属性距离的计算 | 第51-53页 |
| ·连续型属性的处理 | 第51-52页 |
| ·离散型属性的处理 | 第52页 |
| ·加权混合属性距离的计算 | 第52-53页 |
| ·基于IG-WFCM的异常检测方法 | 第53-54页 |
| ·仿真实验结果与分析 | 第54-60页 |
| ·实验数据集 | 第54-55页 |
| ·数据的预处理 | 第55-56页 |
| ·训练数据集 | 第56页 |
| ·样本数据的检测 | 第56页 |
| ·入侵检测结果的评判指标 | 第56页 |
| ·实验结果及分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 5 结论与展望 | 第61-65页 |
| ·本文工作总结 | 第61-62页 |
| ·未来工作展望 | 第62-65页 |
| 参考文献 | 第65-71页 |
| 附录A:攻读学位期间的主要学术成果 | 第71-72页 |
| 致谢 | 第72页 |