| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 本文研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 本文结构 | 第12-14页 |
| 2 入侵检测与数据挖掘概述 | 第14-29页 |
| 2.1 入侵检测 | 第14-21页 |
| 2.1.1 入侵检测的基本概念 | 第14-15页 |
| 2.1.2 入侵检测系统模型 | 第15页 |
| 2.1.3 入侵检测系统分类 | 第15-19页 |
| 2.1.4 入侵检测主要研究技术 | 第19-21页 |
| 2.2 数据挖掘 | 第21-28页 |
| 2.2.1 数据挖掘的概念 | 第21-22页 |
| 2.2.2 数据挖掘的过程 | 第22-23页 |
| 2.2.3 入侵检测中常用的数据挖掘算法 | 第23-24页 |
| 2.2.4 数据挖掘中的聚类分析 | 第24-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 模糊聚类算法在入侵检测中的研究 | 第29-39页 |
| 3.1 模糊聚类分析 | 第29-30页 |
| 3.2 模糊C均值（FCM）聚类算法 | 第30-32页 |
| 3.2.1 FCM算法 | 第30-31页 |
| 3.2.2 FCM算法存在的不足 | 第31-32页 |
| 3.3 改进的FCM算法 | 第32-35页 |
| 3.3.1 数据预处理 | 第33页 |
| 3.3.2 初始聚类中心的选取 | 第33-34页 |
| 3.3.3 减小FCM算法计算量 | 第34-35页 |
| 3.4 改进的FCM算法和朴素贝叶斯分类相结合的入侵检测方法 | 第35-38页 |
| 3.4.1 朴素贝叶斯分类介绍 | 第36-37页 |
| 3.4.2 朴素贝叶斯分类在入侵检测中的应用 | 第37页 |
| 3.4.3 改进的FCM算法和朴素贝叶斯分类相结合的入侵检测方法 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 实验与分析 | 第39-51页 |
| 4.1 改进的FCM算法实验与分析 | 第39-43页 |
| 4.1.1 实验数据集 | 第39-40页 |
| 4.1.2 实验结果与分析 | 第40-43页 |
| 4.2 改进的FCM与朴素贝叶斯分类相结合的入侵检测实验与分析 | 第43-50页 |
| 4.2.1 实验数据集 | 第43-45页 |
| 4.2.2 数据预处理 | 第45-46页 |
| 4.2.3 实验结果与分析 | 第46-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 总结和展望 | 第51-52页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56页 |
| A. 作者在攻读学位期间发表的论文目录： | 第56页 |
