| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-17页 |
| 1.2.1 神经网络的研究进展 | 第10-12页 |
| 1.2.2 入侵检测的研究进展 | 第12-14页 |
| 1.2.3 极速学习算法的研究现状 | 第14-15页 |
| 1.2.4 遗传算法的研究现状 | 第15-17页 |
| 1.3 本论文主要研究工作 | 第17页 |
| 1.4 论文的结构 | 第17-19页 |
| 第二章 模糊C均值聚类 | 第19-26页 |
| 2.1 模糊C均值聚类算法 | 第19-21页 |
| 2.2 模糊C均值聚类算法参数设定 | 第21-24页 |
| 2.2.1 数据集准备 | 第21-23页 |
| 2.2.2 确定参数 | 第23-24页 |
| 2.2.3 实验结果比较 | 第24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于遗传算法的特征降维 | 第26-38页 |
| 3.1 遗传算法 | 第26页 |
| 3.2 遗传算法的实现 | 第26-34页 |
| 3.2.1 编码方法 | 第27页 |
| 3.2.2 适应度函数 | 第27-30页 |
| 3.2.3 遗传算子 | 第30-33页 |
| 3.2.4 参数选择 | 第33-34页 |
| 3.3 改进的遗传算法进行特征选择 | 第34-36页 |
| 3.4 实验结果与分析 | 第36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 改进的Kohonen神经网络 | 第38-50页 |
| 4.1 Kohonen神经网络 | 第38-41页 |
| 4.1.1 Kohonen神经网络的拓扑结构 | 第38页 |
| 4.1.2 Kohonen网络原理 | 第38-41页 |
| 4.2 改进的Kohonen神经网络 | 第41-46页 |
| 4.2.1 Kohonen神经网络输出层 | 第41-42页 |
| 4.2.2 极速学习算法优化网络权值 | 第42-44页 |
| 4.2.3 Kohonen神经网络隐含层节点数确定 | 第44页 |
| 4.2.4 改进的Kohonen神经网络 | 第44-45页 |
| 4.2.5 模型流程图 | 第45-46页 |
| 4.2.6 算法的时间复杂度 | 第46页 |
| 4.3 实验结果分析 | 第46-49页 |
| 4.3.1 Kohonen网络与Kohonen-ELM网络实验结果分析 | 第46-47页 |
| 4.3.2 KDDCUP99数据集实验 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 Kohonen-ELM神经网络模型的应用 | 第50-57页 |
| 5.1 UCI数据集实验 | 第50-52页 |
| 5.2 人工目标识别实验 | 第52-55页 |
| 5.2.1 数据描述 | 第52页 |
| 5.2.2 样本选取及实验过程 | 第52-54页 |
| 5.2.3 实验参数及结果 | 第54-55页 |
| 5.3 本章小结 | 第55-57页 |
| 结论与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| Ⅳ－2答辩委员会对论文的评定意见 | 第64页 |