| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7-8页 |
| ·网络流量异常 | 第8-10页 |
| ·网络流量异常概念 | 第8页 |
| ·网络流量异常分类 | 第8页 |
| ·网络流量异常检测研究现状 | 第8-10页 |
| ·本文主要工作 | 第10-11页 |
| ·研究目标 | 第10页 |
| ·研究内容 | 第10-11页 |
| ·论文的内容及章节安排 | 第11-13页 |
| 第二章 小波技术及滑动时窗小波算法 | 第13-23页 |
| ·小波分析及 Mallat 算法 | 第13-16页 |
| ·小波简史 | 第13-14页 |
| ·小波分析的特性 | 第14-15页 |
| ·Mallat 算法 | 第15-16页 |
| ·滑动时窗小波算法 | 第16-23页 |
| ·引入滑动时窗原因 | 第16页 |
| ·Haar 小波 | 第16-17页 |
| ·滑动时窗技术 | 第17-18页 |
| ·滑动时窗小波算法 | 第18-20页 |
| ·算法复杂度分析 | 第20-23页 |
| 第三章 系统辨识 ARX 模型及 FCM 聚类算法 | 第23-39页 |
| ·系统辨识概念 | 第23-26页 |
| ·时间序列概念 | 第23-24页 |
| ·系统辨识理论 | 第24-25页 |
| ·系统辨识的建模过程 | 第25-26页 |
| ·ARX 模型 | 第26-30页 |
| ·ARX 模型的基本理论 | 第26-28页 |
| ·ARX 模型的参数估计 | 第28-29页 |
| ·ARX 模型预测 | 第29-30页 |
| ·聚类算法概述 | 第30-34页 |
| ·聚类概念 | 第30-31页 |
| ·聚类的数学模型 | 第31-33页 |
| ·聚类算法分类 | 第33-34页 |
| ·FCM 算法 | 第34-39页 |
| ·模糊集基本知识 | 第34页 |
| ·硬 C 均值算法(HCM) | 第34-36页 |
| ·模糊 C 均值算法(FCM) | 第36-37页 |
| ·检测算法 | 第37-39页 |
| 第四章 基于 ARX 模型的网络流量异常检测方案 | 第39-49页 |
| ·总体实验方案 | 第39-40页 |
| ·实验数据集 | 第40-44页 |
| ·KDDCup99 数据集 | 第40-42页 |
| ·算法评价指标 | 第42页 |
| ·检测阈值的选择 | 第42-44页 |
| ·建立 ARX 模型 | 第44-46页 |
| ·调用 Matlab 引擎 | 第44-45页 |
| ·建立 ARX 模型 | 第45-46页 |
| ·预测及得到残差 | 第46页 |
| ·检测异常点 | 第46-49页 |
| ·检测异常点流程 | 第46-47页 |
| ·检测异常点算法 | 第47-49页 |
| 第五章 实验方案及结果分析 | 第49-61页 |
| ·具体实验方案 | 第49-53页 |
| ·滑窗小波分解原始信号 | 第49-52页 |
| ·ARX 模型预测得到残差 | 第52页 |
| ·FCM 聚类算法及检测算法实验 | 第52-53页 |
| ·实验结果及分析 | 第53-60页 |
| ·实验小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-67页 |