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

基于粒子群优化支持向量机的网络态势预测模型研究

中文摘要第3-4页
Abstract第4页
第一章 绪论第7-15页
    1.1 研究背景第7-8页
    1.2 近三年来国内网络安全态势分析第8-11页
    1.3 国内外研究现状第11-13页
    1.4 论文的主要研究工作第13页
    1.5 论文结构第13-15页
第二章 网络安全态势的相关概念及常用预测模型第15-24页
    2.1 网络安全态势的相关概念第15-17页
    2.2 网络安全态势预测原理第17页
    2.3 常用预测模型第17-23页
        2.3.1 灰色理论预测模型第17-20页
        2.3.2 回归分析预测模型第20-22页
        2.3.3 神经网络预测模型第22-23页
    2.4 本章小结第23-24页
第三章 数据样本的选择及预测模型的建立第24-39页
    3.1 网络安全态势的数据样本第24-31页
    3.2 支持向量机(SVM)概述第31-33页
    3.3 基于支持向量机回归的网络安全态势预测模型第33-38页
        3.3.1 支持向量机回归的原理第33-36页
        3.3.2 预测模型的建立及算法步骤第36-38页
    3.4 本章小结第38-39页
第四章 基于粒子群优化支持向量机的网络态势预测第39-51页
    4.1 支持向量机的参数选取问题第39-40页
    4.2 基于交叉验证法的参数选取第40-41页
    4.3 基于粒子群优化的参数选取第41-44页
        4.3.1 粒子群算法第41-42页
        4.3.2 粒子群优化支持向量机第42-44页
    4.4 仿真实验分析第44-50页
        4.4.1 实验的软硬件环境第44页
        4.4.2 实验数据和性能指标第44-45页
        4.4.3 数据预处理第45-46页
        4.4.4 支持向量机参数选择过程第46-48页
        4.4.5 预测结果第48-50页
    4.5 本章小结第50-51页
第五章 基于神经网络的网络态势预测方法对比第51-61页
    5.1 基于Elman神经网络的网络态势预测模型第51-53页
        5.1.1 构建Elman神经网络预测模型第51页
        5.1.2 预测结果第51-53页
    5.2 基于GRNN的网络态势预测模型第53-56页
        5.2.1 构建GRNN神经网络预测模型第53-55页
        5.2.2 预测结果第55-56页
    5.3 实验结果预测精度对比第56-58页
    5.4 预测速度对比第58-59页
    5.5 本章小结第59-61页
第六章 总结与展望第61-63页
    6.1 本文总结第61-62页
    6.2 研究工作展望第62-63页
参考文献第63-65页
在学期间的研究成果第65-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:多杯等流分离器内气液两相流动规律的研究
下一篇:稠油井井口手工取样工艺影响因素分析