| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 入侵检测技术相关工作 | 第15-19页 |
| 2.1 网络入侵检测技术 | 第15-16页 |
| 2.2 不平衡分类问题的研究 | 第16-17页 |
| 2.3 性能评价指标 | 第17-19页 |
| 第三章 基于抽样算法及模糊支持向量机的入侵检测模型 | 第19-38页 |
| 3.1 基于抽样算法及模糊支持向量机的入侵检测模型 | 第19-24页 |
| 3.1.1 Mix-SMOTE抽样算法 | 第19-20页 |
| 3.1.2 基于模糊的半监督学习算法 | 第20-21页 |
| 3.1.3 支持向量机算法 | 第21-22页 |
| 3.1.4 FSVMs算法 | 第22-24页 |
| 3.2 数据集 | 第24-26页 |
| 3.3 数据预处理 | 第26-27页 |
| 3.4 实验结果及分析 | 第27-37页 |
| 3.5 小结 | 第37-38页 |
| 第四章 基于集成特征选择算法及多分类器的入侵检测模型 | 第38-57页 |
| 4.1 基于集成特征选择算法及多分类器的入侵检测模型 | 第38-45页 |
| 4.1.1 集成特征选择算法 | 第38-41页 |
| 4.1.2 多分类器 | 第41-43页 |
| 4.1.3 F_SDK算法 | 第43-45页 |
| 4.2 数据集 | 第45页 |
| 4.3 数据预处理 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-55页 |
| 4.5 小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57页 |
| 5.2 下一步需要开展的工作 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 在学期间的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
