| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-15页 |
| 1.4 研究内容和技术路线 | 第15-16页 |
| 1.4.1 研究内容 | 第15-16页 |
| 1.4.2 技术路线 | 第16页 |
| 1.5 全文组织结构 | 第16-18页 |
| 第2章 网络节点资源风险评估理论基础 | 第18-28页 |
| 2.1 神经网络原理 | 第18-21页 |
| 2.1.1 神经网络 | 第18页 |
| 2.1.2 神经网络学习算法 | 第18-21页 |
| 2.2 模糊控制原理 | 第21-27页 |
| 2.2.1 模糊化 | 第22-25页 |
| 2.2.2 模糊规则 | 第25-26页 |
| 2.2.3 模糊推理 | 第26页 |
| 2.2.4 清晰化 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 网络节点资源风险评估模型构建与设计 | 第28-38页 |
| 3.1 ANFIS结构及原理 | 第29-31页 |
| 3.2 网络节点资源风险评估步骤 | 第31-32页 |
| 3.3 网络节点资源风险评估模型 | 第32页 |
| 3.4 基于GP-ANFIS网络节点资源评估模型 | 第32-34页 |
| 3.5 基于SCM-ANFIS网络节点资源评估模型 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 网络节点资源风险评估实例验证 | 第38-47页 |
| 4.1 数据选取 | 第38-39页 |
| 4.2 BP神经网络实例验证 | 第39-42页 |
| 4.2.1 样本训练检测结果 | 第39-41页 |
| 4.2.2 实例检测结果 | 第41-42页 |
| 4.3 GP-ANFIS实例验证 | 第42-43页 |
| 4.3.1 样本训练检测结果 | 第42页 |
| 4.3.2 实例检测结果 | 第42-43页 |
| 4.4 SCM-ANFIS实例验证 | 第43-45页 |
| 4.4.1 网络参数训练 | 第43页 |
| 4.4.2 样本训练检测结果 | 第43-44页 |
| 4.4.3 实例检测结果 | 第44-45页 |
| 4.5 实验结果比较 | 第45页 |
| 4.6 本章小结 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |