基于QPSO优化的BP网络入侵检测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·相关技术 | 第10页 |
| ·研究现状 | 第10-12页 |
| ·本文研究内容及组织结构 | 第12-13页 |
| 第二章 入侵检测技术研究 | 第13-21页 |
| ·入侵检测基本技术 | 第13-15页 |
| ·入侵检测基本原理 | 第13-14页 |
| ·侵检测的模型 | 第14-15页 |
| ·入侵检测的功能 | 第15页 |
| ·入侵检测的分类 | 第15-19页 |
| ·根据数据源划分 | 第15-17页 |
| ·根据检测方法划分 | 第17-19页 |
| ·入侵检测技术的发展趋势 | 第19-20页 |
| ·存在的问题 | 第19页 |
| ·发展趋势 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 量子粒子群优化算法及其改进 | 第21-31页 |
| ·基本粒子群优化算法 | 第21-24页 |
| ·算法的提出 | 第21页 |
| ·基本概念 | 第21-22页 |
| ·算法流程 | 第22-24页 |
| ·量子粒子群优化算法 | 第24-25页 |
| ·量子粒子群算法原理 | 第24-25页 |
| ·算法的优缺点 | 第25页 |
| ·改进的量子粒子群算法 | 第25-28页 |
| ·改进策略 | 第25-26页 |
| ·变异操作 | 第26-27页 |
| ·算法流程 | 第27-28页 |
| ·仿真实验分析 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 基于改进QPSO的BP神经网络算法 | 第31-43页 |
| ·BP神经网络 | 第31-34页 |
| ·神经网络基本概念 | 第31-32页 |
| ·BP网络结构及工作原理 | 第32-33页 |
| ·BP网络应用于入侵检测的特性 | 第33-34页 |
| ·BP算法及其改进 | 第34-37页 |
| ·BP算法描述 | 第34-35页 |
| ·BP算法的改进 | 第35-37页 |
| ·基于改进QPSO的BP算法 | 第37-41页 |
| ·改进算法思路 | 第37-38页 |
| ·改进BP网络实现 | 第38-40页 |
| ·改进算法优点 | 第40-41页 |
| ·算法性能分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于改进BP网络的入侵检测应用 | 第43-49页 |
| ·系统总体设计 | 第43-44页 |
| ·数据选取与处理 | 第44-45页 |
| ·数据集选取 | 第44-45页 |
| ·数据预处理 | 第45页 |
| ·参数设定 | 第45-47页 |
| ·BP网络创建 | 第45-46页 |
| ·粒子群参数设置 | 第46-47页 |
| ·实验及结果 | 第47-48页 |
| ·仿真实验 | 第47页 |
| ·结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·本文工作总结 | 第49-50页 |
| ·下一步展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表论文情况 | 第56页 |
