基于特征选择和聚类的入侵检测的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·入侵检测研究现状 | 第10-11页 |
| ·基于聚类的入侵检测研究现状 | 第11-12页 |
| ·本文的工作与结构安排 | 第12-14页 |
| ·本文主要工作 | 第12页 |
| ·全文的组织结构 | 第12-14页 |
| 第二章 入侵检测与聚类算法 | 第14-27页 |
| ·入侵检测概述 | 第14-17页 |
| ·入侵检测的概念及功能 | 第14-15页 |
| ·入侵检测模型 | 第15-17页 |
| ·入侵检测分类 | 第17-22页 |
| ·按照数据源分类 | 第18-19页 |
| ·按照检测方法分类 | 第19-22页 |
| ·聚类 | 第22-27页 |
| ·数据结构和相异度度量 | 第22-24页 |
| ·聚类方法的分类 | 第24-25页 |
| ·聚类入侵检测方法的探讨 | 第25-27页 |
| 第三章 基于带交叉操作PSO的改进模糊聚类算法 | 第27-38页 |
| ·模糊C均值聚类 | 第27-28页 |
| ·PSO算法及其改进 | 第28-29页 |
| ·基于交叉因子的PSO的模糊C均值算法 | 第29-31页 |
| ·粒子编码和适应度函数 | 第29-30页 |
| ·算法流程 | 第30-31页 |
| ·实验设计与结果分析 | 第31-38页 |
| ·实验数据描述 | 第31-34页 |
| ·数据的预处理 | 第34-35页 |
| ·实验结果 | 第35-38页 |
| 第四章 基于微粒群算法的特征选择 | 第38-44页 |
| ·特征选择介绍 | 第38-39页 |
| ·基于聚类的特征筛选方法 | 第39-40页 |
| ·基于二进制PSO的特征选择 | 第40-42页 |
| ·二进制微粒群算法 | 第40页 |
| ·粒子编码和适应度函数 | 第40-41页 |
| ·算法描述 | 第41-42页 |
| ·实验 | 第42-44页 |
| ·实验描述 | 第42页 |
| ·实验结果 | 第42-44页 |
| 第五章 基于特征选择和聚类的入侵检测系统的设计 | 第44-50页 |
| ·系统模型 | 第44-45页 |
| ·模型设计 | 第45-50页 |
| ·数据采集 | 第45-47页 |
| ·数据分析 | 第47-48页 |
| ·数据标准化处理 | 第48页 |
| ·聚类分析 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·论文的主要工作 | 第50页 |
| ·下一步工作及展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间主要的研究成果 | 第57页 |
