| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·本文的研究背景 | 第11-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·基于模糊集理论的入侵检测方法 | 第14-15页 |
| ·基于粗糙集理论的入侵检测方法 | 第15-16页 |
| ·基于决策树的入侵检测方法 | 第16页 |
| ·基于离群点挖掘的入侵检测方法 | 第16-17页 |
| ·本文的主要研究内容及意义 | 第17-18页 |
| ·本文的组织结构 | 第18-20页 |
| 第二章 相关理论概述 | 第20-33页 |
| ·入侵检测概述 | 第20-24页 |
| ·入侵检测的内容概述 | 第20-21页 |
| ·入侵检测的定义 | 第20页 |
| ·入侵检测方法的分类 | 第20-21页 |
| ·入侵检测系统的内容概述 | 第21-24页 |
| ·入侵检测系统的分类 | 第22-24页 |
| ·粗糙集理论概述 | 第24-26页 |
| ·数据挖掘与离群点挖掘概述 | 第26-33页 |
| ·数据挖掘的定义 | 第26-27页 |
| ·数据挖掘的常用方法 | 第27-29页 |
| ·数据挖掘的功能 | 第29-30页 |
| ·离群点挖掘的基本概念 | 第30页 |
| ·离群点挖掘的相关概念 | 第30-33页 |
| 第三章 基于相对决策熵与加权相似性的粗糙集数据补齐方法 | 第33-43页 |
| ·数据补齐概述 | 第33-34页 |
| ·基于粗糙集的数据补齐方法及其存在的问题 | 第34-35页 |
| ·加权相似性和相对决策熵 | 第35-38页 |
| ·基于相对决策熵与加权相似性的数据补齐算法 RDNAWS | 第38-40页 |
| ·实验 | 第40-43页 |
| ·Voting 数据集上的实验结果 | 第41-42页 |
| ·Roth 数据集上的实验结果 | 第42-43页 |
| 第四章 基于近似决策熵的属性约简 | 第43-58页 |
| ·属性约简概念 | 第43页 |
| ·现有的属性约简方法及其存在的问题 | 第43-45页 |
| ·近似决策熵 | 第45-49页 |
| ·基于近似决策熵的属性约简算法 ADEAR | 第49-53页 |
| ·实验结果 | 第53-58页 |
| 第五章 基于粗糙集的离群点检测算法及其在入侵检测中的应用 | 第58-69页 |
| ·基于距离的离群点检测算法存在的问题 | 第58-59页 |
| ·粗糙集中的加权距离度量 | 第59-62页 |
| ·基于加权距离的离群点检测算法 ODIWOMR | 第62-64页 |
| ·实验 | 第64-69页 |
| ·数据预处理 | 第64-65页 |
| ·属性约简 | 第65页 |
| ·离散化 | 第65-66页 |
| ·实验过程和结果 | 第66-69页 |
| 总结 | 第69-72页 |
| 参考文献 | 第72-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士期间发表的学术论文 | 第80-81页 |
