| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·课题研究背景 | 第11-14页 |
| ·课题研究目的和意义 | 第14-16页 |
| ·课题国内外研究现状 | 第16-18页 |
| ·论文主要组织结构 | 第18页 |
| ·小结 | 第18-19页 |
| 2 入侵检测技术研究 | 第19-35页 |
| ·引言 | 第19页 |
| ·入侵检测的简介 | 第19-22页 |
| ·入侵检测技术的概念和分类 | 第22-28页 |
| ·入侵检测的概念 | 第22-24页 |
| ·入侵检测的分类 | 第24-28页 |
| ·入侵检测技术的发展历史及检测系统组成部分 | 第28-30页 |
| ·入侵检测技术的发展历史 | 第28-29页 |
| ·入侵检测系统的组成部分 | 第29-30页 |
| ·入侵检测模型 | 第30-31页 |
| ·入侵检测所面临的问题和发展趋势 | 第31-34页 |
| ·入侵检测面临的问题 | 第31-32页 |
| ·入侵检测技术的研究发展趋势 | 第32-34页 |
| ·小结 | 第34-35页 |
| 3 HRNB分类算法在入侵检测系统中的应用研究 | 第35-51页 |
| ·引言 | 第35页 |
| ·相关研究 | 第35-38页 |
| ·数据预处理两种方式的区分 | 第35-37页 |
| ·数据预处理 | 第37-38页 |
| ·数据预处理评估 | 第38页 |
| ·HRNB算法的描述及定理基础 | 第38-40页 |
| ·HRNB算法的概述 | 第38-39页 |
| ·贝叶斯定理 | 第39-40页 |
| ·HRNB算法的极大后验假设 | 第40-41页 |
| ·HRNB算法的发展前提及理论支撑 | 第41-44页 |
| ·HRNB分类算法在入侵检测中的应用 | 第44-49页 |
| ·小结 | 第49-51页 |
| 4 基于I-K-Means聚类的HRNB分类算法在入侵检测中的应用研究 | 第51-79页 |
| ·引言 | 第51-53页 |
| ·数据挖掘的概念 | 第53-55页 |
| ·改进的K-Means聚类算法 | 第55-58页 |
| ·改进的K-Means聚类方法分类 | 第56-57页 |
| ·改进的K-Means聚类算法的原理 | 第57-58页 |
| ·K-Means聚类算法在入侵检测中的应用 | 第58-63页 |
| ·改进的K-Means聚类算法及其应用 | 第63-67页 |
| ·K-Means聚类算法的缺点 | 第63-64页 |
| ·改进的K-Means聚类算法 | 第64-67页 |
| ·基于I-K-Means聚类的HRNB分类算法在入侵检测中的应用研究 | 第67-77页 |
| ·I-K-Means聚类的HRNB分类算法模型及步骤 | 第67-69页 |
| ·实验数据及其分析 | 第69-77页 |
| ·小结 | 第77-79页 |
| 5 总结与展望 | 第79-81页 |
| ·本文工作总结 | 第79页 |
| ·本文工作展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 作者简历 | 第87-89页 |
| 学位论文数据集 | 第89页 |
