| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 无监督检测方法 | 第11-12页 |
| 1.2.2 有监督检测方法 | 第12-13页 |
| 1.2.3 半监督检测方法 | 第13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 协同过滤推荐技术及托攻击检测相关理论介绍 | 第15-23页 |
| 2.1 协同过滤推荐技术 | 第15-18页 |
| 2.1.1 基于用户的协同过滤推荐算法 | 第15-17页 |
| 2.1.2 基于产品的协同过滤推荐算法 | 第17-18页 |
| 2.2 协同过滤推荐系统托攻击相关理论介绍 | 第18-22页 |
| 2.2.1 托攻击的形成 | 第19-20页 |
| 2.2.2 托攻击的相关概念 | 第20-21页 |
| 2.2.3 托攻击模型 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于相对信息熵高斯混合模型的托攻击检测 | 第23-35页 |
| 3.1 基于相对信息熵高斯混合模型的托攻击检测框架 | 第23-24页 |
| 3.2 数据预处理 | 第24-29页 |
| 3.2.1 相对信息熵处理数据集 | 第25-28页 |
| 3.2.2 确定最优特征子集数量 | 第28-29页 |
| 3.3 基于高斯混合模型的托攻击检测方法 | 第29-34页 |
| 3.3.1 高斯混合模型分析 | 第29-31页 |
| 3.3.2 基于高斯混合模型的托攻击检测具体实现 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于稳定匹配高斯混合模型的托攻击检测方法 | 第35-48页 |
| 4.1 基于稳定匹配高斯混合模型的托攻击检测框架 | 第35-36页 |
| 4.2 基于稳定匹配对特征指标的选择 | 第36-44页 |
| 4.2.1 生成用户和产品的稳定匹配 | 第37-40页 |
| 4.2.2 最优特征子集选取优化处理 | 第40-44页 |
| 4.3 AdaBoost集成高斯混合模型的托攻击检测方法 | 第44-47页 |
| 4.3.1 AdaBoost训练高斯混合模型 | 第44-46页 |
| 4.3.2 基于高斯混合模型的托攻击检测方法 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验验证与分析 | 第48-57页 |
| 5.1 实验准备工作 | 第48-49页 |
| 5.1.1 实验数据介绍 | 第48-49页 |
| 5.1.2 实验环境 | 第49页 |
| 5.1.3 实验数据评估公式 | 第49页 |
| 5.2 基于相对信息熵高斯混合模型的托攻击检测方法实验结果分析 | 第49-53页 |
| 5.2.1 实验数据介绍 | 第49-50页 |
| 5.2.2 实验结果和分析 | 第50-53页 |
| 5.3 基于稳定匹配高斯混合模型的托攻击检测方法实验分析 | 第53-56页 |
| 5.3.1 实验数据 | 第53页 |
| 5.3.2 实验结果和分析 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63页 |
