| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外的研究与进展 | 第11-12页 |
| 1.3 研究内容和论文组织结构 | 第12-14页 |
| 1.3.1 课题研究内容 | 第12页 |
| 1.3.2 论文的组织结构 | 第12-14页 |
| 第二章 入侵检测系统和支持向量机相关理论 | 第14-25页 |
| 2.1 入侵检测概述 | 第14-15页 |
| 2.2 支持向量机 | 第15-19页 |
| 2.3 入侵检测NSL-KDD数据集预处理 | 第19-24页 |
| 2.3.1 NSL-KDD数据集 | 第19-22页 |
| 2.3.2 数据预处理 | 第22页 |
| 2.3.3 特征属性选择 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于CMABC算法的SVM参数选择 | 第25-37页 |
| 3.1 SVM参数影响分析 | 第25页 |
| 3.2 人工蜂群算法 | 第25-27页 |
| 3.3 基于交叉突变的ABC算法 | 第27-28页 |
| 3.4 基于CMABC的SVM入侵检测参数选择 | 第28页 |
| 3.5 实验及分析 | 第28-36页 |
| 3.5.1 CMABC算法性能分析 | 第29-33页 |
| 3.5.2 SVM参数选择效果分析 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 改进二叉决策树的CMABC参数优化多分类入侵检测 | 第37-48页 |
| 4.1 常用的SVM多分类方法 | 第37-40页 |
| 4.2 改进的决策树多分类方法 | 第40-44页 |
| 4.2.1 类间分离性算法定义 | 第41-43页 |
| 4.2.2 改进的决策树多分类支持向量机算法 | 第43-44页 |
| 4.3 实验及分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结和展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 下一步工作 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表论文情况 | 第54页 |