一种采用粗糙集—遗传算法改进SVM的网络入侵检测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·入侵检测的发展与研究现状分析 | 第11-12页 |
| ·研究目的及意义 | 第12页 |
| ·主要研究内容 | 第12页 |
| ·内容结构安排 | 第12-14页 |
| 2 粗糙集和遗传算法理论 | 第14-24页 |
| ·粗糙集理论基础 | 第14-19页 |
| ·粗糙集理论概述 | 第14-15页 |
| ·粗糙集知识表达系统 | 第15页 |
| ·粗糙集理论基本概念 | 第15-16页 |
| ·粗糙集约简理论 | 第16-19页 |
| ·遗传算法理论基础 | 第19-22页 |
| ·遗传算法理论概述 | 第19-20页 |
| ·遗传算法基本概念及其功能 | 第20-21页 |
| ·遗传算法的基本原理 | 第21-22页 |
| ·粗糙集与遗传算法融合 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 支持向量机（SVM） | 第24-31页 |
| ·支持向量机的理论基础 | 第24-29页 |
| ·支持向量机概述 | 第24页 |
| ·线性情况[~43,44,45,46] | 第24-27页 |
| ·非线性情况[~46] | 第27-29页 |
| ·改进支持向量机性能的训练和分类算法理论 | 第29-30页 |
| ·训练算法理论 | 第29-30页 |
| ·分类算法理论 | 第30页 |
| ·本章小结 | 第30-31页 |
| 4 基于粗糙集和遗传算法改进的支持向量机 | 第31-39页 |
| ·基于支持向量机的入侵检测方法和问题分析 | 第31-33页 |
| ·基于支持向量机的入侵检测方法 | 第31-33页 |
| ·基于支持向量机的入侵检测问题分析 | 第33页 |
| ·融合粗糙集和遗传算法的算法模型 | 第33-38页 |
| ·粗糙集算法模型 | 第34-35页 |
| ·遗传算法模型 | 第35-36页 |
| ·粗糙集和遗传算法的融合模型 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 5 基于改进支持向量机的网络入侵检测研究 | 第39-50页 |
| ·基于改进支持向量机的网络入侵检测模型 | 第39-40页 |
| ·模型的实验过程研究 | 第40-49页 |
| ·建立模型实验环境 | 第40-41页 |
| ·模型数据分析 | 第41-44页 |
| ·模型数据预处理 | 第44-45页 |
| ·模型数据归一化 | 第45-46页 |
| ·模型数据降维 | 第46-47页 |
| ·仿真实验 | 第47-49页 |
| ·实验结果分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 6 总结和展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士期间发表的学术论文 | 第58页 |
