| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题背景及意义 | 第7-8页 |
| ·人工神经网络的研究概况 | 第8-9页 |
| ·智能优化算法的研究概况 | 第9-10页 |
| ·论文的主要研究工作 | 第10-11页 |
| 第二章 入侵检测概述 | 第11-23页 |
| ·入侵检测的产生与发展 | 第11-12页 |
| ·入侵检测的基本概念 | 第12-16页 |
| ·入侵检测的概念 | 第12-13页 |
| ·入侵检测的模型 | 第13页 |
| ·入侵检测的作用 | 第13-15页 |
| ·入侵检测的必要性 | 第15-16页 |
| ·入侵检测的分类 | 第16-20页 |
| ·按照检测数据的来源划分 | 第16-17页 |
| ·按检测方法划分 | 第17-20页 |
| ·入侵检测技术存在的问题和发展方向 | 第20-23页 |
| ·入侵检测技术的不足 | 第20页 |
| ·入侵检测技术的发展趋势 | 第20-23页 |
| 第三章 粒子群优化算法及量子粒子群优化算法 | 第23-33页 |
| ·基本粒子群优化算法 | 第23-25页 |
| ·基本原理 | 第23页 |
| ·粒子群算法的数学描述 | 第23-24页 |
| ·粒子群算法流程 | 第24-25页 |
| ·具有量子行为的粒子群算法 | 第25-28页 |
| ·粒子群算法的缺点 | 第25-26页 |
| ·具有量子行为的粒子群算法模型 | 第26-27页 |
| ·具有量子行为的粒子群算法的优点 | 第27-28页 |
| ·几种改进的量子粒子群优化算法 | 第28-33页 |
| ·基于K-Means 聚类算法的量子粒子群优化算法 | 第28-29页 |
| ·基于多群体与多阶段的量子粒子群优化算法 | 第29-31页 |
| ·基于共轭梯度算法的量子粒子群优化算法 | 第31-33页 |
| 第四章 基于改进的QPSO-WNN 的网络异常检测问题的应用1 | 第33-45页 |
| ·改进的QPSO 算法1 | 第33-34页 |
| ·小波神经网络简介 | 第34-38页 |
| ·小波分析简介 | 第34-35页 |
| ·小波神经网络的提出 | 第35-37页 |
| ·小波函数的选取 | 第37页 |
| ·小波神经网络面临的挑战 | 第37-38页 |
| ·改进的 QPSO 算法优化的小波神经网络模型 | 第38页 |
| ·实验数据描述 | 第38-42页 |
| ·原始数据中网络连接信息预处理 | 第38-39页 |
| ·数据集描述 | 第39-41页 |
| ·实验数据预处理 | 第41-42页 |
| ·仿真实验 | 第42-45页 |
| 第五章 基于改进的QPSO-WNN 的网络异常检测问题的应用2 | 第45-49页 |
| ·改进的量子粒子群优化算法2 | 第45-46页 |
| ·系统仿真实验 | 第46-47页 |
| ·两种改进的QPSO 算法的比较 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第55页 |
