数据挖掘中贝叶斯算法在入侵检测中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·前言 | 第10-11页 |
| ·选题的背景和研究意义 | 第11-12页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文的结构安排 | 第13-14页 |
| 2 数据挖掘和入侵检测技术 | 第14-24页 |
| ·数据挖掘概述 | 第14页 |
| ·数据挖掘的步骤 | 第14-15页 |
| ·数据挖掘的主要算法 | 第15-17页 |
| ·入侵检测技术 | 第17-21页 |
| ·入侵检测技术概述 | 第17-19页 |
| ·入侵检测系统的主要类型 | 第19-21页 |
| ·入侵检测技术的发展方向 | 第21-22页 |
| ·贝叶斯分类的入侵检测技术的应用研究 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 贝叶斯分类原理研究 | 第24-30页 |
| ·引言 | 第24页 |
| ·贝叶斯分类理论 | 第24-26页 |
| ·贝叶斯分类的一般原理 | 第24-25页 |
| ·朴素贝叶斯分类 | 第25-26页 |
| ·朴素贝叶斯算法的改进 | 第26-27页 |
| ·入侵检测中贝叶斯分类系统的建立 | 第27-29页 |
| ·训练过程 | 第28页 |
| ·检测过程 | 第28-29页 |
| ·朴素贝叶斯分类在入侵检测应用中的优缺点 | 第29-30页 |
| ·本章小结 | 第30页 |
| 4 基于粗糙集理论属性简约方法研究 | 第30-44页 |
| ·引言 | 第30页 |
| ·属性选择的论述 | 第30-32页 |
| ·属性的评价标准 | 第32-33页 |
| ·属性选择方法介绍 | 第33-34页 |
| ·Relief 方法 | 第33页 |
| ·信息熵的属性选择方法 | 第33-34页 |
| ·粗糙集合理论概述 | 第34-35页 |
| ·粗糙集合相关定义 | 第35-38页 |
| ·基于粗糙集合理论的区分矩阵方法求解属性简约 | 第38-40页 |
| ·基于属性依赖度方法求解属性简约 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 5 基于改进贝叶斯入侵检测模型实验的建立 | 第44-52页 |
| ·实验环境、平台以及数据集介绍 | 第44-46页 |
| ·测试平台—WEKA 软件 | 第45页 |
| ·实验数据介绍 | 第45-46页 |
| ·对改进后的贝叶斯分类算法建立实验 | 第46页 |
| ·对改进后的贝叶斯入侵检测系统建立实验 | 第46-49页 |
| ·基于依赖度属性选择方法在实际中的应用 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| ·全文总结 | 第52页 |
| ·工作展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间的研究成果 | 第57页 |
