| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·集成学习 | 第8-9页 |
| ·入侵检测 | 第9页 |
| ·研究内容 | 第9-11页 |
| 第2章 集成学习概述 | 第11-19页 |
| ·基本概念 | 第11页 |
| ·个体生成方法及理论分析 | 第11-16页 |
| ·基于训练集处理的方法 | 第11-14页 |
| ·基于特征选择的方法 | 第14页 |
| ·基于随机扰动的方法 | 第14页 |
| ·理论分析 | 第14-16页 |
| ·结论生成方法及理论分析 | 第16-18页 |
| ·结论生成方法 | 第16-17页 |
| ·理论分析 | 第17-18页 |
| ·存在的问题 | 第18-19页 |
| 第3章 快速选择性神经网络集成方法 | 第19-28页 |
| ·引言 | 第19-20页 |
| ·选择性集成方法 | 第20-21页 |
| ·基于遗传算法的选择性方法GASEN | 第20-21页 |
| ·基于聚类的选择性方法CLU-ENN | 第21页 |
| ·快速选择性集成方法FASEN | 第21-23页 |
| ·实验结果与分析 | 第23-27页 |
| ·小结 | 第27-28页 |
| 第4章 基于集成学习的聚类研究 | 第28-46页 |
| ·引言 | 第28-29页 |
| ·基于聚类集成的无监督特征选择算法 | 第29-38页 |
| ·特征选择 | 第30-34页 |
| ·算法分析与描述 | 第34-36页 |
| ·实验结果与分析 | 第36-38页 |
| ·基于集成学习的分布式聚类算法 | 第38-45页 |
| ·分布式数据挖掘 | 第38-40页 |
| ·分布式聚类的集成模型 | 第40-42页 |
| ·分布式聚类算法—DK-means | 第42页 |
| ·实验结果与分析 | 第42-45页 |
| ·小结 | 第45-46页 |
| 第5章 基于神经网络集成的分布式入侵检测方法与系统实现 | 第46-61页 |
| ·引言 | 第46页 |
| ·入侵检测技术 | 第46-49页 |
| ·系统模型 | 第46-47页 |
| ·分类 | 第47-48页 |
| ·需解决的问题 | 第48-49页 |
| ·基于神经网络集成的分布式入侵检测方法 | 第49-55页 |
| ·基于Agent的分布式入侵检测模型 | 第50-51页 |
| ·两级集成的分布式入侵检测算法 | 第51-52页 |
| ·基于资源分配网的增量更新算法 | 第52-54页 |
| ·实验结果与分析 | 第54-55页 |
| ·系统设计与实现 | 第55-60页 |
| ·体系结构 | 第55-57页 |
| ·系统运行 | 第57-60页 |
| ·小结 | 第60-61页 |
| 第6章 结束语 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 附录 攻读硕士学位期间发表(录用)论文情况 | 第69页 |