| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·目前存在的问题 | 第12页 |
| ·本文的主要工作 | 第12-14页 |
| 2 入侵检测系统概述 | 第14-24页 |
| ·入侵检测的概念 | 第14-15页 |
| ·入侵检测的原理 | 第15-16页 |
| ·通用入侵检测系统模型 | 第16-18页 |
| ·入侵检测系统分类 | 第18-24页 |
| ·按数据源分类 | 第18-22页 |
| ·按检测方法分类 | 第22-24页 |
| 3 聚类分析概述 | 第24-31页 |
| ·聚类分析简介 | 第24页 |
| ·聚类分析算法的一般步骤 | 第24-25页 |
| ·聚类分析算法的基本步骤 | 第24-25页 |
| ·经典的聚类算法 | 第25页 |
| ·常见的聚类分析算法 | 第25-27页 |
| ·入侵检测对聚类分析算法的性能要求 | 第27-28页 |
| ·基于聚类方法的入侵检测研究现状及存在的问题 | 第28-31页 |
| 4 改进的k-means聚类算法在入侵检测中的研究 | 第31-38页 |
| ·原始k-means聚类算法 | 第31页 |
| ·模糊k-means聚类算法 | 第31-32页 |
| ·改进的k-means聚类算法 | 第32-38页 |
| ·过滤算法 | 第33-34页 |
| ·静态的簇和动态的簇 | 第34-35页 |
| ·改进的算法 | 第35-38页 |
| 5 改进的小波聚类算法在入侵检测中的研究 | 第38-52页 |
| ·高维数据与多维信号的关系 | 第38-42页 |
| ·高维数据与多维信号 | 第38页 |
| ·基于小波分析的聚类 | 第38-39页 |
| ·使用小波变换 | 第39-42页 |
| ·原始小波聚类算法概述 | 第42-46页 |
| ·改进的小波聚类算法 | 第46-52页 |
| ·对象间相似度的定义 | 第46页 |
| ·基于对象间相似度的熵度量 | 第46-47页 |
| ·基于熵的特征筛选 | 第47页 |
| ·算法描述与分析 | 第47-52页 |
| 6 两种改进算法在入侵检测系统中的性能实验分析 | 第52-60页 |
| ·KDD Cup 1999数据集 | 第52-55页 |
| ·对比实验 | 第55-58页 |
| ·实验结果分析 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |