| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-20页 |
| ·研究背景及意义 | 第13-15页 |
| ·研究背景 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·研究现状 | 第15-17页 |
| ·本文工作 | 第17-20页 |
| ·研究内容 | 第17-18页 |
| ·论文结构 | 第18-20页 |
| 第2章 入侵防御系统简介 | 第20-27页 |
| ·入侵检测技术概述 | 第20-22页 |
| ·入侵检测定义 | 第20页 |
| ·入侵检测系统分类 | 第20-21页 |
| ·存在的问题 | 第21-22页 |
| ·入侵防御系统 | 第22-26页 |
| ·入侵防御系统概念 | 第22-23页 |
| ·入侵防御系统分类 | 第23-24页 |
| ·入侵防御系统与入侵检测系统的区别 | 第24页 |
| ·入侵防御系统的技术难点 | 第24-25页 |
| ·入侵防御系统的发展趋势 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于量子粒子群优化和半监督聚类的入侵检测算法 | 第27-49页 |
| ·引言 | 第27页 |
| ·机器学习简介 | 第27-30页 |
| ·监督学习 | 第28页 |
| ·无监督学习 | 第28-29页 |
| ·半监督学习 | 第29-30页 |
| ·粒子群算法（Particle Swarm Optimization，PSO） | 第30-32页 |
| ·算法介绍 | 第30-32页 |
| ·量子粒子群算法（Quantum-Behaved Particle Swarm Optimization，QPSO） | 第32-33页 |
| ·基于量子粒子群优化的半监督模糊 C-均值聚类算法 | 第33-37页 |
| ·模糊 C-均值聚类算法 | 第33-35页 |
| ·改进的模糊 C-均值聚类算法 | 第35页 |
| ·基于量子粒子群优化的半监督模糊 C-均值聚类的入侵检测算法 | 第35-37页 |
| ·实验仿真及分析 | 第37-47页 |
| ·实验数据 | 第37-39页 |
| ·数据预处理 | 第39-44页 |
| ·测试结果与分析 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于半监督降维的入侵检测聚类算法 | 第49-61页 |
| ·引言 | 第49页 |
| ·半监督降维聚类算法 | 第49-56页 |
| ·半监督降维 | 第49页 |
| ·半监督降维方法 | 第49-50页 |
| ·基于 PCA 的半监督降维( SSDRpca ) | 第50-52页 |
| ·基于成对约束的半监聚类方法 | 第52-56页 |
| ·实验仿真及分析 | 第56-59页 |
| ·UCI 数据集 | 第56-58页 |
| ·半监督降维聚类在入侵检测中的应用 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 基于 QPSO 和半监督聚类的入侵防御系统模型 | 第61-67页 |
| ·入侵防御系统应具备的特征 | 第61页 |
| ·基于 QPSO 和半监督聚类的入侵防御系统模型 | 第61-66页 |
| ·检测系统模块 | 第62页 |
| ·入侵防御系统响应模块 | 第62-65页 |
| ·日志记录模块 | 第65页 |
| ·中央管理模块 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 论文总结 | 第67-68页 |
| 工作展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75-77页 |
| 致谢 | 第77-78页 |
| 详细摘要 | 第78-82页 |
