| 摘要 | 第1-7页 |
| ABSTRACT | 第7-16页 |
| 第一章 绪论 | 第16-30页 |
| ·研究背景及意义 | 第16-20页 |
| ·研究现状 | 第20-26页 |
| ·支持向量机及分解方法研究现状 | 第20-22页 |
| ·神经网络混沌控制研究现状 | 第22-24页 |
| ·网络用户行为分析研究现状 | 第24-26页 |
| ·论文研究内容 | 第26-28页 |
| ·论文结构安排 | 第28-30页 |
| 第二章 研究内容的原理及方法 | 第30-42页 |
| ·支持向量机及分解方法 | 第30-35页 |
| ·结构经验最小化 | 第30-31页 |
| ·支持向量机 | 第31-33页 |
| ·序列最小优化法 | 第33-35页 |
| ·神经网络的混沌控制方法 | 第35-39页 |
| ·混沌 | 第35-36页 |
| ·Lyapunov 指数方法 | 第36-37页 |
| ·稳定转换法 | 第37-39页 |
| ·网络用户行为分析方法 | 第39-40页 |
| ·网络用户行为分析的三阶段 | 第39-40页 |
| ·网络用户行为分析的主要步骤 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第三章 支持向量机分解方法的改进 | 第42-55页 |
| ·支持向量机序列最小优化法SMO | 第42-43页 |
| ·SMO 现有方法存在的问题 | 第43-44页 |
| ·工作集选择的相关分析 | 第44-46页 |
| ·工作集选择方法 | 第44-45页 |
| ·工作集子问题最小化方法 | 第45-46页 |
| ·现有工作集不足之处 | 第46页 |
| ·工作集选择方法的改进 | 第46-52页 |
| ·新的工作集选择方法 | 第47-48页 |
| ·改进的子问题最小化方法 | 第48-52页 |
| ·改进方法的收敛性分析 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 三种神经网络的混沌控制 | 第55-72页 |
| ·L.PCA 神经网络的混沌控制 | 第55-60页 |
| ·L.PCA 神经网络混沌分析 | 第55-56页 |
| ·基于STM 的L.PCA 混沌控制 | 第56-60页 |
| ·H.ICA 神经网络混沌控制 | 第60-66页 |
| ·H.ICA 神经网络混沌分析 | 第60-61页 |
| ·基于STM 的H.ICA 混沌控制 | 第61-66页 |
| ·D.MCA 神经网络混沌控制 | 第66-69页 |
| ·D.MCA 神经网络混沌分析 | 第66页 |
| ·基于STM 的D.MCA 混沌控制 | 第66-69页 |
| ·三种神经网络混沌对称和共生现象分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 基于DNS 数据的网络用户行为分析 | 第72-95页 |
| ·数据准备及处理方法 | 第72-79页 |
| ·数据描述及预处理 | 第72-74页 |
| ·数据集净化方法 | 第74-75页 |
| ·基于L.PCA 神经网络的流量过滤方法 | 第75-77页 |
| ·基于DNS 数据的用户标注方法 | 第77-79页 |
| ·独立用户网络行为特征分析 | 第79-89页 |
| ·邮件使用规律 | 第80-81页 |
| ·工作日与周末网络行为分析 | 第81-82页 |
| ·网络使用频率度分析 | 第82-83页 |
| ·网络使用时间分析 | 第83-85页 |
| ·时间属性与应用的关联分析 | 第85-86页 |
| ·连续网络行为之间的关系 | 第86-87页 |
| ·网络兴趣行为的保持 | 第87页 |
| ·区域来源对网络行为的影响 | 第87-89页 |
| ·群体用户网络行为特征分析 | 第89-93页 |
| ·基于改进SVM 方法的群体用户分类及属性 | 第89-91页 |
| ·群体用户兴趣之间的关联分析 | 第91-92页 |
| ·群体用户在线时间分析 | 第92-93页 |
| ·神经网络方法在网络用户行为分析中的应用 | 第93-94页 |
| ·本章小结 | 第94-95页 |
| 第六章 改进的SVM 方法在网络数据分析中的应用研究 | 第95-104页 |
| ·数据集描述及实验准备 | 第95-97页 |
| ·现有SVM 方法在数据集上的实验 | 第97-99页 |
| ·改进的SVM 方法在数据集上的实验 | 第99-101页 |
| ·改进的SVM 方法在时间效率上的改变 | 第101-102页 |
| ·改进的SVM 方法在误差率上的改变 | 第102-103页 |
| ·本章小结 | 第103-104页 |
| 第七章 结论 | 第104-107页 |
| ·全文总结 | 第104-105页 |
| ·后续工作展望 | 第105-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-119页 |
| 在学期间参与的研究工作及发表和录用的学术论文 | 第119-121页 |