| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·证据融合相关研究现状 | 第9-10页 |
| ·隐马尔可夫模型相关研究现状 | 第10页 |
| ·遗传算法研究现状 | 第10-11页 |
| ·论文主要研究工作 | 第11页 |
| ·论文的组织结构 | 第11-14页 |
| 第二章 相关理论基础 | 第14-22页 |
| ·遗传算法概述 | 第14-16页 |
| ·遗传算法的基本思想 | 第14页 |
| ·遗传算法的基本操作 | 第14-15页 |
| ·遗传算法的实现 | 第15-16页 |
| ·隐马尔可夫模型概述 | 第16-20页 |
| ·Markov链 | 第16-17页 |
| ·HMM的概念 | 第17页 |
| ·HMM的三个问题 | 第17-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于自适应诱导进化遗传算法的HMM训练模型 | 第22-30页 |
| ·自适应诱导进化遗传算法 | 第22-24页 |
| ·问题描述 | 第22页 |
| ·自适应诱导进化思想 | 第22-23页 |
| ·自适应诱导进化实现步骤 | 第23-24页 |
| ·自适应诱导进化遗传算法的HMM训练模型 | 第24-26页 |
| ·自适应遗传算法参数设定 | 第24页 |
| ·HMM参数训练过程 | 第24-26页 |
| ·改进遗传算法操作HMM训练模型 | 第26页 |
| ·实验及结果分析 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第四章 基于自适应遗传算法优化HMM的证据融合方法 | 第30-38页 |
| ·改进HMM的证据融合方法 | 第30-34页 |
| ·自适应遗传算法 | 第30-31页 |
| ·基于自适应遗传算法优化HMM | 第31-33页 |
| ·证据融合算法 | 第33-34页 |
| ·实验及结果分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 证据融合在网络取证系统中的设计与实现 | 第38-46页 |
| ·总体设计 | 第38-39页 |
| ·系统实现 | 第39-42页 |
| ·客户端网络数据包采集与证据提交 | 第39-40页 |
| ·服务器端的分析与融合 | 第40-42页 |
| ·实例分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| ·本文总结 | 第46页 |
| ·展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻硕期间发表论文及科研成果 | 第52-54页 |
| 致谢 | 第54页 |