| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-11页 |
| 1.1 研究背景和研究意义 | 第8页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 研究内容和组织结构 | 第9-11页 |
| 1.3.1 研究内容 | 第9-10页 |
| 1.3.2 组织结构 | 第10-11页 |
| 第2章 特征选择和模糊关联分类理论介绍 | 第11-15页 |
| 2.1 特征选择介绍 | 第11-12页 |
| 2.1.1 特征选择概念 | 第11页 |
| 2.1.2 特征选择算法 | 第11-12页 |
| 2.2 关联分类介绍 | 第12-13页 |
| 2.2.1 关联规则的概念 | 第12页 |
| 2.2.2 关联规则的定义 | 第12-13页 |
| 2.2.3 关联分类的概念 | 第13页 |
| 2.3 模糊理论介绍 | 第13-14页 |
| 2.3.1 模糊概念 | 第13页 |
| 2.3.2 模糊集表示方法 | 第13-14页 |
| 2.3.3 模糊集运算 | 第14页 |
| 2.4 本章小结 | 第14-15页 |
| 第3章 网络钓鱼特征提取和选择 | 第15-22页 |
| 3.1 网络钓鱼特征提取 | 第15-18页 |
| 3.1.1 基于特征的网络钓鱼检测流程 | 第15-16页 |
| 3.1.2 网络钓鱼特征向量生成 | 第16-18页 |
| 3.2 基于LVF和CFS结合的特征选择算法 | 第18-21页 |
| 3.2.1 LVF特征选择算法 | 第18-19页 |
| 3.2.2 CFS特征选择算法 | 第19-20页 |
| 3.2.3 基于LVF和CFS特征选择算法 | 第20-21页 |
| 3.3 本章小结 | 第21-22页 |
| 第4章 基于模糊关联分类的CFARWV算法的钓鱼网站检测 | 第22-31页 |
| 4.1 CFAR算法 | 第22-27页 |
| 4.1.1 模糊集 | 第22-23页 |
| 4.1.2 模糊分类关联规则 | 第23-24页 |
| 4.1.3 规则剪枝 | 第24-25页 |
| 4.1.4 CFAR算法步骤 | 第25-27页 |
| 4.2 CFARWV算法 | 第27-30页 |
| 4.2.1 基于模糊规则的分类系统（FRBCS） | 第27页 |
| 4.2.2 模糊分类推理方法（FRM） | 第27-28页 |
| 4.2.3 CFARWV算法步骤 | 第28-30页 |
| 4.3 本章小结 | 第30-31页 |
| 第5章 实验与分析 | 第31-35页 |
| 5.1 实验数据与实验环境 | 第31页 |
| 5.1.1 实验数据集获取 | 第31页 |
| 5.1.2 实验环境 | 第31页 |
| 5.2 基于LVF和CFS结合的特征选择算法验证 | 第31-33页 |
| 5.2.1 实验方案 | 第31-32页 |
| 5.2.2 实验结果与分析 | 第32-33页 |
| 5.3 基于CFARWV算法的钓鱼网站检测方法验证 | 第33-34页 |
| 5.3.1 实验方案 | 第33页 |
| 5.3.2 实验结果与分析 | 第33-34页 |
| 5.4 本章小结 | 第34-35页 |
| 结论与展望 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38页 |