| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 2 入侵检测技术和系统理论 | 第17-27页 |
| 2.1 网络安全威胁和安全技术 | 第17-19页 |
| 2.2 网络入侵行为与检测系统 | 第19-21页 |
| 2.3 入侵检测系统分类 | 第21-25页 |
| 2.4 KDDCup99入侵检测数据集 | 第25-27页 |
| 3 基于非负矩阵分解算法的入侵检测数据预处理 | 第27-42页 |
| 3.1 非负矩阵分解算法概述 | 第27-30页 |
| 3.2 PCA算法概述 | 第30-32页 |
| 3.3 NMF算法的优化 | 第32-33页 |
| 3.4 实验仿真和结果分析 | 第33-40页 |
| 3.4.1 数据白化处理 | 第33页 |
| 3.4.2 实验过程 | 第33-36页 |
| 3.4.3 实验结果分析 | 第36-40页 |
| 3.5 关于非负矩阵分解算法的思考 | 第40-42页 |
| 4 基于改进的SVM入侵检测研究 | 第42-59页 |
| 4.1 SVM基础概念 | 第42-43页 |
| 4.2 半监督学习与tri-training模型 | 第43-46页 |
| 4.2.1 半监督学习 | 第43-44页 |
| 4.2.2 co-training模型与tri-training模型 | 第44-46页 |
| 4.3 基于tri-training协作模型的SVM分类模型优化 | 第46-48页 |
| 4.4 改进基于tri-Training的SVM算法迭代性 | 第48-50页 |
| 4.5 相关仿真 | 第50-57页 |
| 4.6 本章小结 | 第57-59页 |
| 5 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |
