| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·网络故障的研究意义 | 第9-11页 |
| ·网络故障的研究现状 | 第11-13页 |
| ·网络故障诊断的原理与方法 | 第13-15页 |
| ·本文主要研究内容和总体结构 | 第15-17页 |
| ·本文主要研究内容 | 第15-16页 |
| ·本文总体结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 人工免疫系统基本原理、模型和克隆选择算法 | 第18-38页 |
| ·生物免疫系统原理 | 第18-25页 |
| ·生物免疫机制 | 第18-22页 |
| ·免疫耐受 | 第19-20页 |
| ·免疫应答 | 第20-22页 |
| ·免疫反馈 | 第22页 |
| ·生物免疫系统的主要特点 | 第22-25页 |
| ·耐受性 | 第22-23页 |
| ·学习与认知 | 第23页 |
| ·分布性 | 第23页 |
| ·鲁棒性和适应性 | 第23页 |
| ·多样性 | 第23-24页 |
| ·自平衡性 | 第24页 |
| ·自组织性 | 第24-25页 |
| ·人工免疫原理 | 第25-37页 |
| ·人工免疫研究概况 | 第25-26页 |
| ·人工免疫中主要算法 | 第26-37页 |
| ·否定选择算法 | 第28-31页 |
| ·克隆选择算法 | 第31-34页 |
| ·动态克隆选择算法 | 第34-36页 |
| ·本文采用的算法 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第三章 基于免疫原理的网络故障检测 | 第38-48页 |
| ·网络故障概述 | 第38-41页 |
| ·网络故障的分类 | 第38-39页 |
| ·网络故障的管理 | 第39-40页 |
| ·网络故障诊断 | 第40-41页 |
| ·网络故障的检测模型 | 第41-46页 |
| ·优化树的原理及特征 | 第41-42页 |
| ·优化树原理 | 第41页 |
| ·优化记忆树的特征 | 第41-42页 |
| ·优化记忆树的建立 | 第42-43页 |
| ·抗体与抗原的匹配 | 第43-44页 |
| ·记忆树节点的调整 | 第44-46页 |
| ·节点排序 | 第44-45页 |
| ·节点增加 | 第45页 |
| ·节点的删减 | 第45-46页 |
| ·网络故障的特征提取 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于AIS的网络故障检测模型系统的设计 | 第48-61页 |
| ·引言 | 第48页 |
| ·基于AIS的网络故障诊断系统总体结构以及各功能模块. | 第48-53页 |
| ·系统初始化模块 | 第50-51页 |
| ·检测器训练模块 | 第51-52页 |
| ·记忆抗体模块 | 第52-53页 |
| ·AIS故障诊断模块 | 第53页 |
| ·基于AIS的网络故障检测原型系统 | 第53-54页 |
| ·基于AIS的网络故障检测模型及性能测试 | 第54-57页 |
| ·自体集的定义 | 第54-56页 |
| ·匹配规则 | 第56-57页 |
| ·检测器生成算法 | 第57页 |
| ·否定选择算法实验 | 第57-58页 |
| ·试验结果及性能分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于智能Agent故障检测的应用现状 | 第61-64页 |
| ·引言 | 第61-62页 |
| ·基于Agent故障检测基本模型 | 第62-63页 |
| ·基于Agent故障检测模型与基于AIS故障检测模型的比较 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·对本文总结 | 第64页 |
| ·本文的特点 | 第64-65页 |
| ·本文的局限性 | 第65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者在读取得的研究成果 | 第70-71页 |