ACO-BP算法优化及其在入侵检测中的应用
| 中文摘要 | 第5-6页 |
| 英文摘要 | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文的研究内容及组织结构 | 第15-17页 |
| 1.3.1 本文的研究内容 | 第15页 |
| 1.3.2 本文的组织结构 | 第15-17页 |
| 2 相关关键技术概述 | 第17-29页 |
| 2.1 入侵检测技术概述 | 第17-19页 |
| 2.1.1 入侵检测分类 | 第17-18页 |
| 2.1.2 主要入侵检测技术 | 第18-19页 |
| 2.2 BP神经网络概述 | 第19-24页 |
| 2.2.1 BP神经网络结构 | 第19-20页 |
| 2.2.2 BP神经网络算法思想 | 第20-24页 |
| 2.3 蚁群算法概述 | 第24-28页 |
| 2.3.1 蚁群算法原理 | 第24-25页 |
| 2.3.2 蚁群算法的算法思想 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 优化BP神经网络 | 第29-40页 |
| 3.1 BP神经网络的不足 | 第29-30页 |
| 3.2 参数优化方法 | 第30-32页 |
| 3.3 蚁群算法优化BP算法思想 | 第32-35页 |
| 3.3.1 分割权值和阈值 | 第33页 |
| 3.3.2 寻路概率公式 | 第33页 |
| 3.3.3 全局更新信息素 | 第33-34页 |
| 3.3.4 ACO-BP算法流程 | 第34-35页 |
| 3.4 改进的蚁群算法优化BP算法思想 | 第35-39页 |
| 3.4.1 寻路概率公式的选择策略 | 第36页 |
| 3.4.2 全局更新信息素改进策略 | 第36-37页 |
| 3.4.3 局部更新信息素改进策略 | 第37-38页 |
| 3.4.4 AACO-BP算法流程 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 优化BP神经网络在入侵检测的应用 | 第40-56页 |
| 4.1 入侵检测系统概述 | 第40-41页 |
| 4.2 优化BP算法的应用 | 第41-44页 |
| 4.2.1 输入预处理概述 | 第41-43页 |
| 4.2.2 BP神经网络模块 | 第43-44页 |
| 4.3 优化BP算法仿真实验 | 第44-55页 |
| 4.3.1 实验设计 | 第45页 |
| 4.3.2 实验数据样本 | 第45-50页 |
| 4.3.3 实验结果分析 | 第50-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 本文工作的总结 | 第56页 |
| 5.2 对研究工作的展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录：作者在攻读学位期间发表论文 | 第62-63页 |
| 致谢 | 第63页 |
