| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与科学意义 | 第8-9页 |
| 1.2 国内外研究进展 | 第9-11页 |
| 1.2.1 DCA的优化改进研究 | 第9-10页 |
| 1.2.2 DCA的推广应用研究 | 第10-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12页 |
| 1.5 本章小结 | 第12-14页 |
| 2 异常检测与树突状细胞算法 | 第14-28页 |
| 2.1 异常检测 | 第14-18页 |
| 2.1.1 相关概念 | 第14页 |
| 2.1.2 主要方法 | 第14-17页 |
| 2.1.3 性能评价指标 | 第17-18页 |
| 2.2 异常检测与生物免疫的相似性 | 第18页 |
| 2.3 树突状细胞算法 | 第18-25页 |
| 2.3.1 DC的生物机理 | 第19-20页 |
| 2.3.2 DCA的基本原理 | 第20-21页 |
| 2.3.3 DCA的实施步骤 | 第21-25页 |
| 2.3.4 优点与局限 | 第25页 |
| 2.4 本章小结 | 第25-28页 |
| 3 用于无序数据集的改进树突状细胞算法 | 第28-42页 |
| 3.1 算法的改进 | 第28-31页 |
| 3.1.1 基于输入信号计算方法的改进 | 第28-29页 |
| 3.1.2 基于检测过程的改进 | 第29-31页 |
| 3.2 算法的实现过程描述 | 第31页 |
| 3.3 实验设置 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-41页 |
| 3.4.1 分析数据顺序对算法性能的影响性 | 第32-34页 |
| 3.4.2 分析信号转换公式和权值矩阵对算法性能的影响性 | 第34-39页 |
| 3.4.3 与其他方法的比较 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于主成分分析的改进树突状细胞算法 | 第42-54页 |
| 4.1 算法的改进 | 第42-46页 |
| 4.1.1 基于降维方法的改进 | 第42-44页 |
| 4.1.2 基于信号分类方法的改进 | 第44-46页 |
| 4.2 算法的实现过程描述 | 第46页 |
| 4.3 实验设置 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-52页 |
| 4.4.1 特征降维 | 第47-48页 |
| 4.4.2 参数分析 | 第48-50页 |
| 4.4.3 与其他方法的比较 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 本文主要工作及结论 | 第54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 附录 | 第64页 |