| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·网络异常流量分类 | 第8-9页 |
| ·现有研究方法概述 | 第9-10页 |
| ·需要研究的方向 | 第10-11页 |
| ·研究目标 | 第11页 |
| ·研究内容 | 第11页 |
| ·论文的内容及章节安排 | 第11-13页 |
| 第二章 小波、系统辨识、高斯混合模型聚类的基础理论 | 第13-25页 |
| ·小波基础理论 | 第13-16页 |
| ·小波的产生与发展 | 第13-14页 |
| ·小波的特性 | 第14页 |
| ·离散小波变换与Mallat算法 | 第14-15页 |
| ·小波包理论 | 第15-16页 |
| ·时间序列及系统辨识建模方法 | 第16-19页 |
| ·时间序列的基本理论 | 第16-17页 |
| ·系统辨识基本理论 | 第17-18页 |
| ·系统辨识建模过程 | 第18-19页 |
| ·聚类高斯混合模型概述 | 第19-25页 |
| ·高斯混合模型概念 | 第19-20页 |
| ·单一高斯概率密度函数的参数估计法 | 第20-21页 |
| ·高斯混合密度函数的参数估计 | 第21-25页 |
| 第三章 滑窗小波计算、ARX建模预测、EM算法实现 | 第25-39页 |
| ·滑窗小波二叉树计算方法 | 第25-31页 |
| ·Haar小波变换 | 第25-26页 |
| ·滑窗小波二叉树的结构 | 第26页 |
| ·基于滑窗可能出现的数据越界 | 第26-28页 |
| ·滑窗小波二叉树的计算方法 | 第28-30页 |
| ·滑窗小波二叉树的特点 | 第30页 |
| ·计算复杂度分析 | 第30-31页 |
| ·系统辨识ARX建模、预测 | 第31-35页 |
| ·ARX模型基础 | 第31-32页 |
| ·ARX参数估计模型 | 第32-34页 |
| ·系统辨识ARX模型的预报及残差 | 第34-35页 |
| ·聚类EM算法的应用 | 第35-39页 |
| ·贝叶斯定理 | 第35页 |
| ·EM算法实现过程 | 第35-39页 |
| 第四章 网络流量异常检测方案的实现 | 第39-49页 |
| ·总体架构 | 第39-40页 |
| ·数据流获取与特征分析 | 第40-42页 |
| ·DARPA入侵检测数据集 | 第40-41页 |
| ·KDDCup99数据集 | 第41-42页 |
| ·对网络数据流进行滑窗小波分解 | 第42-44页 |
| ·滑窗小波二叉树分解流程 | 第42-43页 |
| ·滑窗小波二叉树分解算法 | 第43-44页 |
| ·对滑窗小波分解后的各分支分别进行ARX建模 | 第44-47页 |
| ·Matlab引擎调用方法 | 第44-46页 |
| ·ARX建模及预测 | 第46页 |
| ·根据模型预测生成残差序列 | 第46-47页 |
| ·聚类EM算法检测异常点 | 第47-49页 |
| ·异常点检测流程 | 第47页 |
| ·异常检测算法实现 | 第47-49页 |
| 第五章 实验方案及结果分析 | 第49-61页 |
| ·实验方案 | 第49-53页 |
| ·滑窗小波二叉树分解实验 | 第49-51页 |
| ·ARX建模实验 | 第51-52页 |
| ·聚类EM算法实验 | 第52-53页 |
| ·实验结果及分析 | 第53-61页 |
| ·异常点统计 | 第53-60页 |
| ·2 算法对比分析 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-66页 |