| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·论文的研究目的与意义 | 第11-12页 |
| ·粒度计算的国内外研究现状 | 第12-17页 |
| ·以模糊集理论、邻域观点研究信息粒度 | 第13-14页 |
| ·以逻辑、代数格观点对不同大小的粒度进行分层 | 第14页 |
| ·以包含度、Mereology概念研究粒计算 | 第14-16页 |
| ·粒度计算理论的应用 | 第16-17页 |
| ·论文的创新点及组织结构 | 第17-19页 |
| 第二章 基于ONTOLOGY的粒度计算模型 | 第19-29页 |
| ·引言 | 第19页 |
| ·Ontology | 第19-23页 |
| ·概念表示方法 | 第20-21页 |
| ·本体语言与本体研究热点 | 第21-23页 |
| ·信息粒度原理 | 第23-24页 |
| ·构造基于Ontology的粒度计算模型 | 第24-26页 |
| ·在文本搜索中的应用 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 代数系统下的粒度计算模型 | 第29-40页 |
| ·商空间 | 第29-32页 |
| ·商空间的合成与分解法 | 第30页 |
| ·论域的合成 | 第30-31页 |
| ·拓扑结构的合成 | 第31页 |
| ·半序结构的合成 | 第31页 |
| ·属性函数的合成 | 第31-32页 |
| ·子代数和商代数 | 第32-33页 |
| ·群的基础知识 | 第33-34页 |
| ·群上的粒度计算 | 第34-39页 |
| ·群的上、下近似定义 | 第34-35页 |
| ·Rough群 | 第35-36页 |
| ·粗糙子群的定义及其性质 | 第36-37页 |
| ·粗糙陪集 | 第37-38页 |
| ·粗糙商群 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于ONTOLOGY自动学习技术和粒度计算理论的中文网页搜索 | 第40-53页 |
| ·Web知识发现 | 第40-42页 |
| ·Ontology自动学习技术 | 第42-44页 |
| ·奇异值分解 | 第42-43页 |
| ·构造概念词典 | 第43-44页 |
| ·样本分类 | 第44-48页 |
| ·样本的相似系数和距离 | 第44-45页 |
| ·各种分类方法比较分析 | 第45-47页 |
| ·基于粒度计算原理的分类算法 | 第47-48页 |
| ·网页搜索 | 第48-51页 |
| ·切词、获取概念 | 第48-49页 |
| ·基于商空间的网页搜索算法 | 第49-51页 |
| ·实验结果 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第五章 基于粒度计算原理的网络入侵检测系统 | 第53-60页 |
| ·IDS的研究现状 | 第53页 |
| ·入侵检测系统的整体结构 | 第53-54页 |
| ·网络数据包的截获 | 第54-55页 |
| ·规则定义 | 第55-56页 |
| ·规则头 | 第55-56页 |
| ·规则选项 | 第56页 |
| ·基于粒度计算原理的入侵特征选择与构造 | 第56-58页 |
| ·数据预处理 | 第57页 |
| ·采用基于粒度原理的分类方法建立规则库 | 第57-58页 |
| ·检测引擎 | 第58页 |
| ·输出模块 | 第58页 |
| ·实验结果 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第六章 总结及进一步的工作 | 第60-62页 |
| ·本文的主要工作 | 第60页 |
| ·进一步的工作 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |