模拟退火优化神经网络研究及其在入侵检测中的应用
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-10页 |
| ·论文背景 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的研究内容和主要工作 | 第9页 |
| ·本文的组织结构 | 第9-10页 |
| 第2章 神经网络基本理论与入侵检测技术 | 第10-25页 |
| ·神经网络概述 | 第10-12页 |
| ·神经元模型 | 第10页 |
| ·神经元转移函数 | 第10-11页 |
| ·神经网络模型 | 第11页 |
| ·神经网络学习 | 第11-12页 |
| ·BP神经网络 | 第12-18页 |
| ·BP网络模型 | 第12-13页 |
| ·BP网络学习算法推导 | 第13-15页 |
| ·BP算法的实现 | 第15-17页 |
| ·BP网络的主要能力 | 第17页 |
| ·误差曲面与BP算法的局限性 | 第17-18页 |
| ·BP算法的缺陷与改进 | 第18-20页 |
| ·BP算法的缺陷 | 第18-19页 |
| ·BP算法的传统改进措施 | 第19-20页 |
| ·入侵检测技术 | 第20-23页 |
| ·入侵检测概念 | 第20页 |
| ·入侵检测模型 | 第20-22页 |
| ·入侵检测技术分类 | 第22-23页 |
| ·神经网络在入侵检测中的研究与应用 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第3章 退火优化BP网络算法 | 第25-34页 |
| ·模拟退火算法 | 第25-28页 |
| ·固体物理退火过程 | 第25页 |
| ·模拟退火算法原理 | 第25-26页 |
| ·退火方式 | 第26-27页 |
| ·模拟退火算法的收敛性 | 第27-28页 |
| ·退火优化BP网络过程 | 第28-30页 |
| ·第一层简单退火 | 第29页 |
| ·第二层深度退火 | 第29-30页 |
| ·双层模拟退火优化BP网络算法 | 第30-33页 |
| ·小结 | 第33-34页 |
| 第4章 双层模拟退火优化BP神经网络应用入侵检测 | 第34-44页 |
| ·基于双层模拟退火优化BP算法的入侵检测模型 | 第34-35页 |
| ·仿真实验与结果分析 | 第35-43页 |
| ·实验环境 | 第35页 |
| ·入侵检测实验数据 | 第35-36页 |
| ·神经网络结构 | 第36-37页 |
| ·实验过程及其结果分析 | 第37-43页 |
| ·小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| ·总结 | 第44页 |
| ·下一步工作与研究前景展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 在读期间的研究成果 | 第48-49页 |
| 致谢 | 第49-50页 |
| 摘要 | 第50-52页 |
| Abstract | 第52-55页 |
| 导师及作者简介 | 第55页 |
