计算智能分类方法及其在入侵检测中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题背景与意义 | 第10-11页 |
| ·国内外研究现状与发展趋势 | 第11-15页 |
| ·计算智能分类方法 | 第11-13页 |
| ·入侵检测技术 | 第13-15页 |
| ·本文研究内容与章节安排 | 第15-18页 |
| ·主要研究内容 | 第15页 |
| ·本文章节安排 | 第15-18页 |
| 第二章 进化计算方法研究 | 第18-34页 |
| ·蚁群算法 | 第18-25页 |
| ·算法描述 | 第18-20页 |
| ·经典优化函数仿真 | 第20-25页 |
| ·粒子群优化算法概说 | 第25-28页 |
| ·常用算法描述 | 第25-26页 |
| ·经典优化函数仿真 | 第26-28页 |
| ·云粒子群优化算法 | 第28-33页 |
| ·算法研究 | 第28-30页 |
| ·经典优化函数仿真 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于进化计算的神经网络分类方法研究 | 第34-50页 |
| ·神经网络模型 | 第34-39页 |
| ·BP 网络模型设计 | 第34-36页 |
| ·常用算法描述 | 第36-37页 |
| ·典型例子仿真 | 第37-39页 |
| ·基于 ACO 的 ANN 分类方法 | 第39-43页 |
| ·方法原理 | 第39-40页 |
| ·算法步骤 | 第40-41页 |
| ·典型例子仿真 | 第41-43页 |
| ·基于 PSO 的 ANN 分类方法 | 第43-46页 |
| ·方法原理及算法步骤 | 第43-44页 |
| ·典型例子仿真 | 第44-46页 |
| ·基于 CPSO 的 ANN 分类方法 | 第46-49页 |
| ·方法原理及算法步骤 | 第46-47页 |
| ·典型例子仿真 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于进化计算的支持向量机分类方法研究 | 第50-60页 |
| ·支持向量机模型 | 第50-54页 |
| ·SVM 模型设计 | 第50-52页 |
| ·常用算法描述 | 第52-54页 |
| ·典型例子仿真 | 第54页 |
| ·基于 PSO 的 SVM 分类方法 | 第54-56页 |
| ·基于 PSO 的 SVM 算法 | 第54-55页 |
| ·典型例子仿真 | 第55-56页 |
| ·基于 CPSO 的 SVM 分类方法 | 第56-59页 |
| ·基于云 PSO 的 SVM 算法 | 第56-58页 |
| ·典型例子仿真 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 基于进化计算的相关向量机分类方法研究 | 第60-74页 |
| ·相关向量机模型 | 第60-67页 |
| ·RVM 模型设计 | 第60-63页 |
| ·常用算法描述 | 第63-66页 |
| ·典型例子仿真 | 第66-67页 |
| ·基于 PSO 的 RVM 分类方法 | 第67-69页 |
| ·方法原理及算法步骤 | 第67-69页 |
| ·典型例子仿真 | 第69页 |
| ·基于 CPSO 的 RVM 分类方法 | 第69-72页 |
| ·方法原理及算法步骤 | 第69-71页 |
| ·典型例子仿真 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第六章 入侵检测实际应用 | 第74-90页 |
| ·多分类检测 | 第74-75页 |
| ·问题提出 | 第74页 |
| ·方法描述 | 第74-75页 |
| ·实际应用 | 第75-84页 |
| ·实验环境与数据来源 | 第75-81页 |
| ·应用步骤 | 第81页 |
| ·效果分析 | 第81-84页 |
| ·分类算法挂接智能数据挖掘系统 | 第84-88页 |
| ·软件系统描述 | 第84-85页 |
| ·分类算法挂接挖掘系统与结果显示 | 第85-88页 |
| ·本章小结 | 第88-90页 |
| 第七章 总结与展望 | 第90-92页 |
| 参考文献 | 第92-102页 |
| 攻读学位期间所取得的相关科研成果 | 第102-104页 |
| 致谢 | 第104页 |
