首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于PCA和半监督聚类的入侵防御技术研究

摘要第1-7页
Abstract第7-15页
第1章 绪论第15-25页
   ·课题的研究背景和意义第15-19页
     ·网络安全现状第15-16页
     ·入侵防御研究的必要性第16-17页
     ·国内外研究现状第17-19页
   ·入侵检测技术第19-21页
     ·入侵检测定义第19页
     ·入侵检测系统的分类第19-20页
     ·入侵检测系统存在的不足第20-21页
   ·入侵防御技术第21-23页
     ·入侵防御定义第21页
     ·入侵防御系统与入侵检测系统的区别第21-22页
     ·入侵防御系统存在的不足第22页
     ·入侵防御系统的未来研究方向第22-23页
   ·本文工作第23-24页
     ·研究内容第23-24页
     ·论文结构第24页
   ·本章小结第24-25页
第2章 PCA 和半监督聚类第25-43页
   ·PCA 理论第25-31页
     ·PCA 概述第25-26页
     ·PCA 基本原理第26-27页
     ·PCA 在数学上的解释第27-29页
     ·PCA 的计算方法第29-31页
   ·聚类分析理论第31-36页
     ·聚类分析概述第31页
     ·聚类分析的数学描述第31-32页
     ·相似性测度第32页
     ·聚类分析过程描述第32-33页
     ·聚类算法的分类第33-36页
       ·基于划分的方法第33-35页
       ·基于层次的方法第35页
       ·基于密度的方法第35-36页
       ·基于网格的方法第36页
       ·基于模型的方法第36页
   ·机器学习介绍第36-42页
     ·监督学习第36-37页
     ·无监督学习第37页
     ·半监督学习第37-38页
     ·半监督聚类第38-42页
       ·标记信息和成对约束第38-40页
       ·基于约束的半监督聚类算法第40-41页
       ·基于距离的半监督聚类算法第41页
       ·基于约束和距离结合的半监督聚类算法第41-42页
   ·本章小结第42-43页
第3章 基于 PCA 和半监督聚类的入侵检测算法第43-62页
   ·引言第43页
   ·模糊 C-均值聚类算法第43-46页
   ·半监督聚类算法第46-51页
     ·量化成对约束第46-47页
     ·竞争凝聚算法第47-49页
     ·基于量化成对约束和改进的竞争凝聚的半监督聚类算法第49-51页
   ·基于 PCA 和半监督聚类的入侵检测算法第51-53页
   ·仿真实验和分析第53-61页
     ·入侵检测实验数据描述第53-55页
     ·数据预处理第55-58页
     ·参数设置第58页
     ·实验结果和分析第58-61页
   ·本章小结第61-62页
第4章 基于改进的半监督降维和半监督聚类的入侵检测算法第62-77页
   ·引言第62页
   ·改进的半监督降维算法第62-66页
     ·半监督降维方法第62-63页
     ·基于 PCA 的半监督降维算法第63-65页
     ·改进的半监督维数约减算法第65-66页
   ·改进的半监督聚类算法第66-72页
     ·基于 Shannon 熵的竞争聚类算法第66-68页
     ·成对约束竞争聚类算法第68-70页
     ·改进的成对约束竞争聚类算法第70-72页
   ·基于改进的半监督维数约减和成对约束竞争聚类的入侵检测算法第72-73页
   ·仿真实验和分析第73-76页
     ·UCI 数据集实验第73-74页
     ·入侵检测数据集实验第74-76页
   ·本章小结第76-77页
第5章 基于 PCA 和半监督聚类的入侵防御系统模型第77-82页
   ·理想的入侵防御系统具备的功能特性第77页
   ·入侵防御系统模型第77-81页
     ·中央控制模块第78页
     ·通信模块第78页
     ·入侵防御模块第78-81页
       ·入侵检测系统第78-79页
       ·入侵响应系统第79-81页
     ·日志记录模块第81页
   ·本章小结第81-82页
结论与展望第82-84页
 论文总结第82页
 工作展望第82-84页
参考文献第84-91页
攻读硕士学位期间发表的学术论文第91-92页
致谢第92-93页
详细摘要第93-97页

论文共97页,点击 下载论文
上一篇:基于Folksonomy和HOSVD的网站推荐机制的研究
下一篇:基于粗糙集的神经网络在数据挖掘中的应用研究