| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-11页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·论文的主要内容和结构安排 | 第10-11页 |
| 第二章 入侵检测和无监督入侵检测技术 | 第11-18页 |
| ·入侵检测 | 第11-13页 |
| ·入侵检测的概念 | 第11页 |
| ·入侵检测系统的功能 | 第11-12页 |
| ·入侵检测方法分类 | 第12-13页 |
| ·现有入侵检测技术存在的问题 | 第13页 |
| ·无监督入侵检测技术 | 第13-17页 |
| ·无监督入侵检测方法的研究 | 第13-14页 |
| ·无监督入侵检测与聚类分析 | 第14-16页 |
| ·聚类算法中常用的相似性度量方法 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于粒子群改进的无监督 FCM 算法 | 第18-29页 |
| ·模糊 C 均值聚类（Fuzzy C-means， FCM） | 第18-22页 |
| ·模糊聚类基本知识 | 第18页 |
| ·模糊 C 均值聚类算法的原理和步骤 | 第18-21页 |
| ·模糊 C 均值聚类算法的优缺点 | 第21-22页 |
| ·粒子群算法 | 第22-24页 |
| ·粒子群算法的起源 | 第22页 |
| ·粒子群算法的数学描述 | 第22-23页 |
| ·粒子群算法的流程 | 第23-24页 |
| ·改进的无监督模糊聚类算法 | 第24-28页 |
| ·关于聚类个数 K 的改进 | 第24-26页 |
| ·基于 PSO 改进的模糊聚类算法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 对无监督聚类结果进行关联修正 | 第29-36页 |
| ·关联分析算法研究 | 第29-34页 |
| ·入侵检测中的关联分析 | 第29页 |
| ·关联算法的相关概念 | 第29-31页 |
| ·Apriori 算法研究 | 第31-33页 |
| ·改进的 Apriori 算法 | 第33页 |
| ·改进的 Apriori 算法分析与仿真实验 | 第33-34页 |
| ·对聚类结果进行关联修正 | 第34-35页 |
| ·基于关联修正的 IDS 总体架构和工作流程 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 实验设计与结果分析 | 第36-48页 |
| ·基于关联修正的无监督入侵检测工作流程 | 第36-38页 |
| ·系统的工作流程 | 第36-37页 |
| ·功能模块设计及实现方法 | 第37-38页 |
| ·数据预处理 | 第38-43页 |
| ·KDDCUP99 数据集简介 | 第38-39页 |
| ·数据的标准化与归一化 | 第39-41页 |
| ·主成分分析进行特征选择 | 第41-43页 |
| ·实验结果与分析 | 第43-47页 |
| ·对混合攻击类型进行聚类实验 | 第44-45页 |
| ·对聚类结果进行关联修正实验分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-49页 |
| ·总结 | 第48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 发表论文和科研情况说明 | 第52-53页 |
| 致谢 | 第53-54页 |