基于多分类器集成的入侵检测研究
| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·入侵检测国内外研究现状 | 第14-15页 |
| ·多分类器集成研究现状及内容 | 第15-17页 |
| ·论文的主要研究内容与组织结构安排 | 第17-19页 |
| ·主要研究内容 | 第17页 |
| ·论文的组织结构与安排 | 第17-19页 |
| 第2章 相关技术与理论知识 | 第19-31页 |
| ·入侵检测模型 | 第19-20页 |
| ·IDES 模型 | 第19页 |
| ·CIDF 模型 | 第19-20页 |
| ·入侵检测的基本原理 | 第20-21页 |
| ·异常检测(基于行为的检测) | 第20页 |
| ·误用检测(基于知识的检测) | 第20-21页 |
| ·特征检测 | 第21页 |
| ·入侵检测分类 | 第21-23页 |
| ·入侵检测的局限性及发展方向 | 第23-25页 |
| ·入侵检测的局限性 | 第23-24页 |
| ·入侵检测的发展方向 | 第24-25页 |
| ·分类方法 | 第25-27页 |
| ·聚类 | 第25页 |
| ·贝叶斯 | 第25页 |
| ·随机森林 | 第25-26页 |
| ·支持向量机 | 第26-27页 |
| ·相关概念 | 第27-30页 |
| ·遗传算法 | 第28页 |
| ·遗传算法步骤 | 第28-29页 |
| ·禁忌搜索 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 多分类器集成方法分析 | 第31-35页 |
| ·Boosting 算法 | 第31-32页 |
| ·Bagging 算法 | 第32页 |
| ·Bagging 算法描述 | 第32-33页 |
| ·Bagging 算法的理论分析 | 第33-34页 |
| ·Bagging 与 Boosting 算法比较 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于异构分类器集成的入侵检测方法 | 第35-48页 |
| ·相关研究 | 第35-36页 |
| ·分类器融合 | 第36-37页 |
| ·分类器融合概念 | 第36页 |
| ·加权投票融合算法 | 第36-37页 |
| ·异构分类器集成基本思想 | 第37-42页 |
| ·投票方法 | 第37-38页 |
| ·改进的加权投票 | 第38页 |
| ·表决权的决定 | 第38-39页 |
| ·分类器结合模型图 | 第39-41页 |
| ·算法步骤 | 第41-42页 |
| ·实验 | 第42-47页 |
| ·实验数据集 | 第42-46页 |
| ·实验结果与分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于遗传禁忌搜索的分类器选择集成方法 | 第48-59页 |
| ·相关研究 | 第48-49页 |
| ·遗传算法 | 第49-51页 |
| ·编码方法 | 第49页 |
| ·适应度函数 | 第49-50页 |
| ·遗传操作 | 第50-51页 |
| ·禁忌搜索 | 第51-54页 |
| ·禁忌搜索算法流程 | 第51-52页 |
| ·禁忌搜索算法步骤 | 第52页 |
| ·禁忌搜索算法的关键参数及其操作 | 第52-53页 |
| ·禁忌搜索的优缺点 | 第53-54页 |
| ·改进的遗传算法 | 第54-56页 |
| ·编码方案 | 第54页 |
| ·适应度函数设计 | 第54页 |
| ·邻域函数设计 | 第54-55页 |
| ·改进的遗传搜索算法模型 | 第55页 |
| ·算法步骤 | 第55-56页 |
| ·实验 | 第56-58页 |
| ·实验数据集 | 第56-57页 |
| ·实验结果与分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录 A 攻读硕士学位期间所发表的论文 | 第66页 |
