| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 概述 | 第11-16页 |
| 1.1 课题背景以及研究意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外的研究现状 | 第13-14页 |
| 1.3 论文主要工作以及创新点 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关技术 | 第16-30页 |
| 2.1 异常检测 | 第16-21页 |
| 2.1.1 异常检测的概念 | 第16页 |
| 2.1.2 异常检测的研究现状 | 第16-21页 |
| 2.1.3 当前异常检测技术存在的问题 | 第21页 |
| 2.2 基于可视化技术的异常检测 | 第21-26页 |
| 2.2.1 异常检测中的可视化技术 | 第22-24页 |
| 2.2.2 其他可视化技术 | 第24-26页 |
| 2.3 异常检测中的特征提取和特征选择 | 第26-28页 |
| 2.3.1 基于经典统计分析理论的方法 | 第27页 |
| 2.3.2 基于核函数的方法 | 第27页 |
| 2.3.3 基于信息理论的方法 | 第27-28页 |
| 2.3.4 改进的基于神经网络的方法 | 第28页 |
| 2.3.5 基于融合的算法 | 第28页 |
| 2.4 小结 | 第28-30页 |
| 第三章 一种结合平行坐标与信息增益的异常检测方法 | 第30-41页 |
| 3.1 理论基础 | 第30-32页 |
| 3.1.1 平行坐标可视化技术 | 第30-31页 |
| 3.1.2 信息增益 | 第31-32页 |
| 3.2 方法流程 | 第32-35页 |
| 3.2.1 流量数据 | 第32-33页 |
| 3.2.2 数据的预处理 | 第33-34页 |
| 3.2.3 特征的选择 | 第34-35页 |
| 3.2.4 特征的排列 | 第35页 |
| 3.2.5 可视化处理 | 第35页 |
| 3.2.6 观察图形化的表现形式 | 第35页 |
| 3.3 实验 | 第35-40页 |
| 3.4 小结 | 第40-41页 |
| 第四章 一种结合象素螺旋排列与主成份分析的异常检测方法 | 第41-51页 |
| 4.1 理论基础 | 第41-44页 |
| 4.1.1 主成份分析法 | 第41-42页 |
| 4.1.2 基于象素螺旋排列的可视化方法 | 第42-44页 |
| 4.2 方法流程 | 第44-46页 |
| 4.2.1 流量数据 | 第44页 |
| 4.2.2 数据的预处理 | 第44-45页 |
| 4.2.3 主成份分析 | 第45页 |
| 4.2.4 维度排序 | 第45页 |
| 4.2.5 可视化处理 | 第45页 |
| 4.2.6 观察图形化表现形式 | 第45-46页 |
| 4.3 实验 | 第46-49页 |
| 4.4 小结 | 第49-51页 |
| 第五章 工作总结与展望 | 第51-54页 |
| 5.1 工作总结 | 第51-52页 |
| 5.2 研究展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 作者在学期间取得的学术成果 | 第60页 |