| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 概述 | 第8页 |
| 1.2 研究背景和现状 | 第8-10页 |
| 1.3 研究内容和结构安排 | 第10-12页 |
| 第2章 BP神经网络模型 | 第12-23页 |
| 2.1 BP神经网络概述 | 第12-19页 |
| 2.1.1 BP算法基本思想 | 第12页 |
| 2.1.2 BP网络模型 | 第12-16页 |
| 2.1.3 BP学习算法 | 第16-17页 |
| 2.1.4 BP神经网络的优缺点及其改进 | 第17-19页 |
| 2.2 BP网络结构设计 | 第19-21页 |
| 2.3 BP算法的流程图 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 遗传算法改进的优化BP神经网络 | 第23-37页 |
| 3.1 遗传算法 | 第23-26页 |
| 3.1.1 遗传算法概述 | 第23页 |
| 3.1.2 遗传算法的基本步骤 | 第23-25页 |
| 3.1.3 遗传算法的优缺点 | 第25-26页 |
| 3.2 遗传算法和BP算法的结合 | 第26-36页 |
| 3.2.1 基本思想 | 第26页 |
| 3.2.2 编码方案 | 第26-27页 |
| 3.2.3 群体设定与初始化 | 第27页 |
| 3.2.4 适应度函数的选择 | 第27-30页 |
| 3.2.5 遗传操作 | 第30-34页 |
| 3.2.6 GA-BP算法和流程图 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 量子遗传算法改进的优化BP神经网络 | 第37-46页 |
| 4.1 量子遗传算法 | 第37-39页 |
| 4.1.1 量子计算的背景 | 第37页 |
| 4.1.2 量子计算的基础知识 | 第37-38页 |
| 4.1.3 量子遗传算法的基本步骤 | 第38页 |
| 4.1.4 量子遗传算法的优点 | 第38-39页 |
| 4.2 量子遗传算法和BP算法的结合 | 第39-45页 |
| 4.2.1 基本思想 | 第39页 |
| 4.2.2 实现方法和步骤 | 第39-43页 |
| 4.2.3 改进的量子遗传算法 | 第43-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第5章 仿真实验及其分析 | 第46-54页 |
| 5.1 引言 | 第46-47页 |
| 5.2 基于BP算法的计算机网络安全评价模型 | 第47-49页 |
| 5.3 基于GA-BP算法和QGA-BP算法的计算机网络安全评价模型 | 第49-52页 |
| 5.4 本章小结 | 第52-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |