| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究意义 | 第11页 |
| ·数据挖掘技术及相关知识 | 第11-13页 |
| ·数据挖掘定义 | 第12页 |
| ·数据挖掘过程 | 第12-13页 |
| ·数据挖掘的任务 | 第13页 |
| ·网络安全态势感知相关知识 | 第13-16页 |
| ·网络安全态势感知的概念 | 第13-14页 |
| ·网络安全态势感知技术的研究现状 | 第14-15页 |
| ·网络安全态势感知的架构 | 第15-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第二章 网络异常分类相关技术概述 | 第18-27页 |
| ·非均衡数据的概述 | 第18-20页 |
| ·非均衡数据的概念及研究现状 | 第18-19页 |
| ·分类器性能评价指标 | 第19-20页 |
| ·基于非均衡数据的网络异常分类相关算法 | 第20-24页 |
| ·支持向量机概述 | 第20-21页 |
| ·线性支持向量机 | 第21-23页 |
| ·非线性支持向量机 | 第23-24页 |
| ·最近邻分类器 | 第24-26页 |
| ·最近邻分类概述 | 第24-25页 |
| ·最近邻分类算法原理 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 网络异常分类数据预处理研究 | 第27-37页 |
| ·引言 | 第27-28页 |
| ·基于粗集理论属性约减和权重计算方法 | 第28-29页 |
| ·离散化问题的描述及现有的方法 | 第29-30页 |
| ·离散化现有的方法 | 第29页 |
| ·自适应离散化算法 | 第29-30页 |
| ·数据预处理实验 | 第30-36页 |
| ·数据介绍 | 第30-33页 |
| ·实验步骤 | 第33-34页 |
| ·实验结果及分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于非均衡数据的异常分类方法 | 第37-48页 |
| ·基于 SVM 的不平衡数据分类分析 | 第37-38页 |
| ·新异常类描述及判定方法 | 第38-40页 |
| ·新异常类的概述及定义 | 第38-39页 |
| ·改进 KNN 算法 | 第39-40页 |
| ·基于非均衡数据的异常检测算法 | 第40-42页 |
| ·FKASVM（Fast KNN and SVM）算法描述 | 第40页 |
| ·组合分类器模型总体架构 | 第40-42页 |
| ·网络异常分类实验分析 | 第42-47页 |
| ·数据介绍 | 第42-43页 |
| ·实验环境 | 第43-44页 |
| ·实验结果 | 第44-47页 |
| ·结果分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·本文总结 | 第48-49页 |
| ·未来工作展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 发表论文和科研情况说明 | 第53-54页 |
| 致谢 | 第54-55页 |