| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-16页 |
| 1.2.1 多源异构数据融合分析方法 | 第12-13页 |
| 1.2.2 基于流形学习的数据分析方法 | 第13-16页 |
| 1.2.3 国内外研究现状分析总结 | 第16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 基于流形学习的数据预处理方法 | 第19-33页 |
| 2.1 多源异构数据预处理方法分析 | 第19-23页 |
| 2.1.1 网络安全数据分析 | 第19-21页 |
| 2.1.2 安全数据预处理方法分析 | 第21-23页 |
| 2.2 流形学习概述 | 第23-27页 |
| 2.2.1 流形学习相关概念 | 第23-24页 |
| 2.2.2 经典的流形学习的方法 | 第24-25页 |
| 2.2.3 流形学习的数据预处理方法分析 | 第25-27页 |
| 2.3 一种基于流形学习的多源异构安全数据预处理方法 | 第27-31页 |
| 2.3.1 噪声点和干净点的权值设置 | 第27-29页 |
| 2.3.2 噪声数据点的筛选 | 第29-30页 |
| 2.3.3 一种基于流形学习的数据预处理算法 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于多流形学习的随机森林数据分析方法 | 第33-43页 |
| 3.1 多流形学习算法 | 第33-38页 |
| 3.1.1 多流形学习算法分析 | 第33-35页 |
| 3.1.2 一种基于多流形学习的数据特征提取算法 | 第35-37页 |
| 3.1.3 多流形学习算法与随机森林的互补性分析 | 第37-38页 |
| 3.2 随机森林算法 | 第38-42页 |
| 3.2.1 随机森林相关概念 | 第38-39页 |
| 3.2.2 随机森林的主要思想 | 第39-40页 |
| 3.2.3 随机森林的优缺点分析 | 第40-41页 |
| 3.2.4 一种基于多流形学习与随机森林算法的数据安全分析方法 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 仿真实验与性能分析 | 第43-51页 |
| 4.1 实验目的与实验指标 | 第43-44页 |
| 4.2 实验环境与实验数据 | 第44-45页 |
| 4.2.1 实验环境 | 第44页 |
| 4.2.2 实验数据 | 第44-45页 |
| 4.3 实验过程与结果分析 | 第45-50页 |
| 4.3.1 实验过程 | 第45页 |
| 4.3.2 DPOML算法评估 | 第45-47页 |
| 4.3.3 RFMML算法评估 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59页 |