| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 存在的问题 | 第10-12页 |
| 1.1.2 研究的意义 | 第12-13页 |
| 1.2 特征选择研究现状 | 第13-15页 |
| 1.2.1 国内外研究现状 | 第13-14页 |
| 1.2.2 特征选择在入侵检测领域的应用研究 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 入侵检测概述及异常检测算法分析 | 第18-32页 |
| 2.1 入侵检测概述 | 第18-23页 |
| 2.1.1 入侵检测的概念及模型 | 第18-19页 |
| 2.1.2 入侵检测方法分类 | 第19-22页 |
| 2.1.2.1 根据检测数据源分类 | 第19-20页 |
| 2.1.2.2 根据检测方式分类 | 第20-22页 |
| 2.1.3 入侵检测面临的问题 | 第22-23页 |
| 2.2 ITCM-KNN异常检测算法 | 第23-26页 |
| 2.2.1 算法基础-TCM-KNN | 第23-24页 |
| 2.2.2 ITCM-KNN算法 | 第24-26页 |
| 2.3 实验数据集 | 第26-30页 |
| 2.4 实验评价指标 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 特征选择算法研究 | 第32-46页 |
| 3.1 特征选择概述 | 第32-36页 |
| 3.1.1 特征选择的概念及目标 | 第32页 |
| 3.1.2 特征选择的一般流程 | 第32-34页 |
| 3.1.3 特征选择模型分类 | 第34-36页 |
| 3.1.3.1 过滤器（Filter）模型 | 第34-35页 |
| 3.1.3.2 封装器（Wrapper）模型 | 第35页 |
| 3.1.3.3 混合（Hybrid）模型 | 第35-36页 |
| 3.2 典型特征选择算法的研究与分析 | 第36-45页 |
| 3.2.1 相关性特征选择（CFS） | 第36-38页 |
| 3.2.2 信息增益（InfoGain） | 第38-40页 |
| 3.2.3 信息增益率（InfoGainRatio） | 第40-41页 |
| 3.2.4 Relief | 第41-43页 |
| 3.2.5 ChiSquare | 第43-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第四章 基于贝叶斯网络分类器的特征选择方法 | 第46-51页 |
| 4.1 贝叶斯网络概述 | 第46-48页 |
| 4.1.1 贝叶斯网络的概念 | 第46-47页 |
| 4.1.2 贝叶斯网络建模 | 第47-48页 |
| 4.1.3 贝叶斯网络分类器的优点 | 第48页 |
| 4.2 基于贝叶斯网络分类器的特征选择方法 | 第48-50页 |
| 4.2.1 方法的提出 | 第48-49页 |
| 4.2.2 方法过程描述 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 特征选择在异常检测中的应用 | 第51-73页 |
| 5.1 应用场景 | 第51-59页 |
| 5.1.1 DoS检测模块 | 第54-57页 |
| 5.1.2 异常检测模块 | 第57-59页 |
| 5.2 实验设计 | 第59-60页 |
| 5.3 实验结果及分析 | 第60-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-76页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 后续工作展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间取得的成果 | 第82-83页 |