| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文结构 | 第14-16页 |
| 第二章 相关技术研究 | 第16-24页 |
| ·时间序列 | 第16页 |
| ·时间序列平稳性判别 | 第16-17页 |
| ·时间序列相空间重构 | 第17-19页 |
| ·混沌时间序列预测 | 第19-20页 |
| ·支持向量机 | 第20-22页 |
| ·统计学习理论 | 第20-21页 |
| ·支持向量机基本原理 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于时序预测方法与改进的遗传算法的网络安全事件自适应预测技术 | 第24-40页 |
| ·网络安全事件时序数据分析 | 第24-26页 |
| ·数据来源及特点 | 第24-26页 |
| ·基于最小二乘支持向量机的时序预测方法 | 第26-28页 |
| ·最小二乘支持向量机 | 第26-27页 |
| ·LSSVM 参数的选择 | 第27-28页 |
| ·基于遗传算法的模型优化技术 | 第28-31页 |
| ·遗传算法 | 第28-29页 |
| ·改进的遗传算法 | 第29-30页 |
| ·实验 | 第30-31页 |
| ·基于IGA 及LSSVM 的网络安全事件频率预测 | 第31-35页 |
| ·基于IGA 和ARIMA 的网络安全事件频率预测 | 第35-38页 |
| ·ARIMA 模型 | 第35页 |
| ·模型参数确定 | 第35-36页 |
| ·使用IGA 优化ARIMA 模型 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 网络安全事件自适应预测系统设计与实现 | 第40-56页 |
| ·系统设计 | 第40-44页 |
| ·系统概述 | 第40-41页 |
| ·所用语言及平台 | 第41-44页 |
| ·数据预处理 | 第44-49页 |
| ·网络安全数据集成 | 第45-48页 |
| ·网络安全事件发生频率时序数据的获取 | 第48-49页 |
| ·系统配置模块 | 第49-50页 |
| ·预测计算模块 | 第50-52页 |
| ·自适应模型优化模块 | 第52-53页 |
| ·结果展示 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·本文总结 | 第56页 |
| ·下一步的研究 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 作者在学期间取得的学术成果 | 第63页 |
