| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·论文的研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文的研究内容 | 第11页 |
| ·论文的组织安排 | 第11-13页 |
| 第二章 入侵检测和模糊认知图 | 第13-20页 |
| ·入侵检测 | 第13-16页 |
| ·入侵检测基本概念 | 第13页 |
| ·入侵检测系统分类 | 第13-15页 |
| ·入侵检测系统存在的问题 | 第15页 |
| ·入侵检测系统未来发展趋势 | 第15-16页 |
| ·模糊认知图 | 第16-19页 |
| ·模糊认知图的起源 | 第16-17页 |
| ·模糊认知图的定义和结构 | 第17-18页 |
| ·模糊认知图的推理机制 | 第18-19页 |
| ·模糊认知图的发展 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于 AFS 理论和格贴近度的入侵检测属性约简方法 | 第20-28页 |
| ·AFS-LCD 约简算法 | 第20-24页 |
| ·AFS 理论 | 第20-22页 |
| ·格贴近度 | 第22-23页 |
| ·AFS-LCD 约简算法 | 第23-24页 |
| ·AFS-LCD 入侵检测属性约简算法 | 第24-26页 |
| ·构造入侵检测 AFS 结构 | 第24-25页 |
| ·计算决策属性的格贴近度 | 第25页 |
| ·AFS-LCD 入侵检测属性约简算法描述 | 第25-26页 |
| ·AFS-LCD 入侵检测属性约简实验 | 第26-27页 |
| ·实验数据集 | 第26页 |
| ·AFS-LCD 算法对模糊认知图性能影响实 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于模糊神经网络的模糊认知图的入侵检测方法 | 第28-37页 |
| ·FNN-FCM 算法 | 第28-33页 |
| ·FNN-FCM 结构 | 第28-32页 |
| ·监督式学习 | 第32-33页 |
| ·FNN-FCM 入侵检测算法 | 第33-35页 |
| ·概念节点的选取 | 第33-34页 |
| ·权重矩阵的获取 | 第34页 |
| ·FNN-FCM 入侵检测算法 | 第34-35页 |
| ·FNN-FCM 入侵检测实验 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于改进模糊认知图的入侵检测方法 | 第37-43页 |
| ·IFCM 入侵检测方法 | 第37-38页 |
| ·IFCM 入侵检测实验 | 第38-42页 |
| ·IFCM 入侵检测性能实验 | 第38-40页 |
| ·三种入侵检测方法对比实验 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 总结和展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 发表论文和科研情况说明 | 第48-49页 |
| 致谢 | 第49-50页 |