基于改进的模糊C均值聚类算法的入侵检测技术研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 本文研究内容 | 第9-10页 |
| 1.3 论文组织结构 | 第10-11页 |
| 第二章 相关概念及研究现状 | 第11-25页 |
| 2.1 入侵检测技术 | 第11-17页 |
| 2.1.1 入侵检测简介 | 第11-12页 |
| 2.1.2 入侵检测的发展 | 第12-13页 |
| 2.1.3 入侵检测的分类 | 第13-14页 |
| 2.1.4 入侵检测的方法 | 第14-17页 |
| 2.2 数据挖掘 | 第17-20页 |
| 2.2.1 数据挖掘的概念 | 第17页 |
| 2.2.2 数据挖掘的方法 | 第17-19页 |
| 2.2.3 数据挖掘的过程 | 第19-20页 |
| 2.3 基于数据挖掘的入侵检测技术 | 第20-23页 |
| 2.3.1 基于聚类的入侵检测方法 | 第20-21页 |
| 2.3.2 基于分类的入侵检测方法 | 第21-22页 |
| 2.3.3 基于关联分析的入侵检测方法 | 第22页 |
| 2.3.4 基于离群点分析的入侵检测方法 | 第22-23页 |
| 2.4 入侵检测系统评价指标 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于局部密度的模糊C均值聚类算法 | 第25-32页 |
| 3.1 模糊聚类概述 | 第25页 |
| 3.2 模糊C均值聚类算法 | 第25-27页 |
| 3.2.1 模糊C均值算法原理 | 第25-27页 |
| 3.2.2 FCM聚类算法的步骤 | 第27页 |
| 3.2.3 FCM聚类算法的优缺点 | 第27页 |
| 3.3 基于局部密度的模糊C均值聚类算法 | 第27-31页 |
| 3.3.1 相关定义 | 第27-28页 |
| 3.3.2 LDFCM算法步骤 | 第28-30页 |
| 3.3.3 LDFCM算法实验 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于邻域重心变化的异常检测方法研究 | 第32-37页 |
| 4.1 相关定义 | 第32-33页 |
| 4.2 邻域重心变化因子计算 | 第33-34页 |
| 4.3 正常行为轮廓建立及异常检测 | 第34-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第五章 实验与分析 | 第37-45页 |
| 5.1 实验数据集 | 第37-38页 |
| 5.2 数据预处理 | 第38-40页 |
| 5.3 实验结果与分析 | 第40-43页 |
| 5.4 本章小结 | 第43-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 论文总结 | 第45页 |
| 6.2 未来展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |
