首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于改进差分进化的K均值聚类算法在入侵检测中的研究

摘要第4-6页
ABSTRACT第6-8页
第一章 绪论第15-19页
    1.1 课题的研究目的和意义第15-16页
    1.2 国内外研究现状第16-17页
    1.3 本文的主要研究内容和章节安排第17-18页
        1.3.1 本文的主要工作第17页
        1.3.2 本文的章节安排第17-18页
    1.4 小结第18-19页
第二章 入侵检测与聚类分析第19-31页
    2.1 入侵检测的概述第19-20页
    2.2 入侵检测的方法第20-22页
        2.2.1 异常检测第20-21页
        2.2.2 误用检测第21-22页
        2.2.3 混合检测第22页
    2.3 入侵检测系统模型第22-23页
    2.4 聚类分析概述第23-27页
        2.4.1 聚类分析使用的数据结构与数据类型第23-24页
        2.4.2 连续变量的距离与相似度量第24-27页
    2.5 相关的性能指标与常用方法第27-29页
        2.5.1 相关的性能指标第27-28页
        2.5.2 常用的聚类分析算法第28-29页
    2.6 聚类的过程第29页
    2.7 本章小结第29-31页
第三章 改进DE的K均值聚类算法第31-45页
    3.1 K-均值算法第31-33页
        3.1.1 K-均值算法流程第31-32页
        3.1.2 K-均值算法的不足第32-33页
    3.2 混沌第33页
    3.3 差分进化算法第33-37页
        3.3.1 差分进化算法原理第33-35页
        3.3.2 差分进化算法的流程第35-36页
        3.3.3 差分进化算法的参数影响分析第36-37页
    3.4 改进的DE算法第37-41页
        3.4.1 DE参数的改进第37-38页
        3.4.2 融入混沌操作的DE算法第38-41页
    3.5 基于混沌DE的K均值算法第41-43页
    3.6 本章小结第43-45页
第四章 实验与结果的分析第45-59页
    4.1 本文的实验数据第45-48页
        4.1.1 KDD99数据集第45-47页
        4.1.2 KDD99的数据特征描述第47-48页
    4.2 基于CDE-K均值聚类算法的1DS模块第48-49页
    4.3 入侵检测数的预处理第49-52页
        4.3.1 数值化处理第49-50页
        4.3.2 归一化操作第50-51页
        4.3.3 数据的降维第51-52页
    4.4 实验论证第52-55页
        4.4.1 混合入侵检测的实验与结果分析第53-54页
        4.4.2 单一入侵检测的实验与结果分析第54-55页
    4.5 基于Hadoop云平台的K均值聚类对比实验第55-58页
        4.5.1 Hadoop云平的环境搭建第55-56页
        4.5.2 Mahout数据挖掘工具第56-57页
        4.5.3 Hadoop云平台与单机对比实验第57-58页
    4.6 小结第58-59页
第五章 总结及展望第59-61页
参考文献第61-65页
致谢第65-67页
研究成果及发表的学术论文第67-69页
作者及导师简介第69-71页
北京化工大学专业学位硕士研究生学位论文答辩委员会决议书第71-72页

论文共72页,点击 下载论文
上一篇:基于闭合曲面的四面体网格剖分算法及其应用
下一篇:不确定环境下半导体生产线关键参数预测与调度方法研究