| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·课题研究背景及其意义 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·主要工作 | 第14页 |
| ·本文的组织安排 | 第14-16页 |
| 第二章 数据融合理论及技术分析 | 第16-27页 |
| ·数据融合的概念 | 第16页 |
| ·数据融合的经典模型 | 第16-20页 |
| ·检测级融合 | 第17-18页 |
| ·位置级融合 | 第18页 |
| ·目标识别级融合 | 第18-20页 |
| ·态势评估和威胁估计 | 第20页 |
| ·数据融合常用的方法 | 第20-26页 |
| ·基于贝叶斯（Bayes）理论的数据融合方法 | 第21-22页 |
| ·基于 D-S 证据理论的融合方法 | 第22-24页 |
| ·基于神经网络的融合方法 | 第24-26页 |
| ·其他融合方法 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 粗糙集及其正域扩展的属性约简研究 | 第27-35页 |
| ·粗糙集基本理论 | 第27-28页 |
| ·粗糙集的正域扩展 | 第28-32页 |
| ·常用的决策表属性约简算法 | 第32-33页 |
| ·基于正域扩展的属性约简算法 | 第33-34页 |
| ·认知核属性 | 第33-34页 |
| ·认知属性约简 | 第34页 |
| ·小结 | 第34-35页 |
| 第四章 基于粗糙集理论和支持向量机的入侵检测模型的研究 | 第35-57页 |
| ·入侵检测的基本概念 | 第35页 |
| ·通用入侵检测系统模型 | 第35-37页 |
| ·Denning 通用入侵检测模型 | 第35-36页 |
| ·CICF 通用入侵检测模型 | 第36页 |
| ·入侵检测的工作流程 | 第36-37页 |
| ·入侵检测的分类 | 第37-39页 |
| ·网络异常检测的常用方法 | 第39-40页 |
| ·支持向量机理论 | 第40-45页 |
| ·统计学习理论 | 第41页 |
| ·最优分类超平面 | 第41-43页 |
| ·核函数 | 第43-44页 |
| ·构造支持向量机 | 第44-45页 |
| ·多分类支持向量机 | 第45页 |
| ·基于 RS-SVM 的网络异常检测模型 | 第45-47页 |
| ·支持向量机应用于入侵检测的可行性分析 | 第45页 |
| ·基于 RS-SVM 的网络异常检测模型分析 | 第45-47页 |
| ·仿真及分析 | 第47-56页 |
| ·实验环境 | 第47页 |
| ·数据集介绍 | 第47-49页 |
| ·实验步骤 | 第49-55页 |
| ·实验结果集分析 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-58页 |
| ·全文总结 | 第57页 |
| ·进一步展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 研究生期间发表论文情况 | 第61-63页 |