集成单类分类算法及其应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-30页 |
| ·研究背景和意义 | 第18-20页 |
| ·国内外研究现状 | 第20-24页 |
| ·单类分类算法 | 第20-21页 |
| ·集成单类分类算法 | 第21-24页 |
| ·论文的研究内容和主要研究工作 | 第24-26页 |
| ·增强描述能力的第一类集成单类分类算法 | 第24-25页 |
| ·序列集成的第二类集成单类分类算法及其后处理方法 | 第25-26页 |
| ·用于恶意程序行为检测的集成单类分类算法 | 第26页 |
| ·论文的组织和结构 | 第26-30页 |
| 第二章 基于密度和结构的集成单类分类算法 | 第30-48页 |
| ·引言 | 第30-31页 |
| ·DBM-EOC算法 | 第31-40页 |
| ·算法设计目标 | 第31-33页 |
| ·密度分析 | 第33-38页 |
| ·基单类分类模型的训练和模块集成 | 第38-39页 |
| ·计算复杂度分析 | 第39-40页 |
| ·实验 | 第40-47页 |
| ·实验准备 | 第40-42页 |
| ·人工数据集实验 | 第42-43页 |
| ·UCI数据集实验 | 第43-45页 |
| ·MNIST数据集实验 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 基于聚类的结构化集成单类分类算法 | 第48-68页 |
| ·引言 | 第48-49页 |
| ·使用聚类稳定性分析增强单类分类算法 | 第49-57页 |
| ·SVDD及其不足 | 第49-50页 |
| ·基于聚类稳定性分析的增强单类分类算法 | 第50-54页 |
| ·实验 | 第54-57页 |
| ·快速结构化集成单类分类算法 | 第57-66页 |
| ·FS-EOCC算法概述 | 第58-59页 |
| ·第一轮聚类 | 第59-60页 |
| ·第二轮聚类 | 第60页 |
| ·基分类器训练和集成 | 第60-61页 |
| ·计算复杂度分析 | 第61-62页 |
| ·实验 | 第62-66页 |
| ·本章总结 | 第66-68页 |
| 第四章 序列集成的单类分类算法 | 第68-82页 |
| ·引言 | 第68页 |
| ·使用Boosting集成单类分类算法 | 第68-75页 |
| ·单类分类算法的排序模型解释 | 第68-70页 |
| ·基于排序学习的Boosting单类分类算法 | 第70-72页 |
| ·人工负类样本 | 第72-75页 |
| ·实验和分析 | 第75-80页 |
| ·实验准备 | 第75页 |
| ·对比算法 | 第75-76页 |
| ·单类分类算法对比实验 | 第76-79页 |
| ·人工负类生成算法对比实验 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 第五章 集成单类分类器的增强 | 第82-94页 |
| ·引言 | 第82页 |
| ·集成单类分类多样性的理论分析 | 第82-84页 |
| ·PHD-EOC算法 | 第84-87页 |
| ·提升基分类器集合的多样性 | 第84-85页 |
| ·修剪集成单类分类器 | 第85-87页 |
| ·PHD-EOC算法的时间复杂度分析 | 第87页 |
| ·实验结果与分析 | 第87-91页 |
| ·标准数据集实验 | 第87-90页 |
| ·恶意程序检测实验 | 第90-91页 |
| ·本章小结 | 第91-94页 |
| 第六章 集成单类分类算法在恶意程序分析中的应用 | 第94-120页 |
| ·引言 | 第94-95页 |
| ·相关研究 | 第95-97页 |
| ·行为数据采集 | 第95-96页 |
| ·行为特征提取 | 第96-97页 |
| ·机器学习算法 | 第97页 |
| ·程序行为特征提取 | 第97-105页 |
| ·概述 | 第97-99页 |
| ·操作层行为抽象 | 第99-101页 |
| ·业务层行为抽象 | 第101-103页 |
| ·BLBA算法实例 | 第103-105页 |
| ·用于恶意程序检测的代价敏感集成单类分类框架 | 第105-112页 |
| ·用于恶意程序检测的单类分类算法 | 第105-106页 |
| ·CosTOC算法 | 第106-108页 |
| ·FENOC方法 | 第108-112页 |
| ·实验和分析 | 第112-118页 |
| ·实验数据 | 第112-113页 |
| ·算法设置 | 第113-114页 |
| ·混合特征实验 | 第114-115页 |
| ·恶意程序检测实验 | 第115-118页 |
| ·FENOC的应用分析 | 第118-119页 |
| ·时间复杂度和实时检测能力分析 | 第118-119页 |
| ·数据集规模 | 第119页 |
| ·本章小结 | 第119-120页 |
| 第七章 总结与展望 | 第120-126页 |
| ·论文工作总结 | 第120-122页 |
| ·几种集成单类分类算法的适用范围 | 第122-123页 |
| ·未来工作展望 | 第123-126页 |
| 参考文献 | 第126-136页 |
| 致谢 | 第136-138页 |
| 作者简介 | 第138-141页 |
