| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 网络爬虫检测研究现状 | 第8-13页 |
| 1.2.1 爬虫工作原理及策略 | 第8-12页 |
| 1.2.2 网络爬虫检测手段 | 第12-13页 |
| 1.3 课题研究的主要内容 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 基于支持向量机的WEB爬虫检测算法 | 第15-28页 |
| 2.1 支持向量机的分类算法原理 | 第15-20页 |
| 2.1.1 最大边缘超平面 | 第15-16页 |
| 2.1.2 结构风险最小化 | 第16-17页 |
| 2.1.3 支持向量机 | 第17-20页 |
| 2.2 特征选择 | 第20-23页 |
| 2.2.4 概述及特征提取 | 第20-22页 |
| 2.2.5 改进的特征选择 | 第22-23页 |
| 2.3 权值计算 | 第23-24页 |
| 2.3.1 LFCIS权值 | 第23-24页 |
| 2.3.2 改进的权值公式 | 第24页 |
| 2.4 基于支持向量机的爬虫检测算法 | 第24-27页 |
| 2.4.1 核方法和核函数 | 第25-26页 |
| 2.4.2 基于RBF内核的爬虫检测算法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 WEB爬虫检测系统设计与实现 | 第28-39页 |
| 3.1 WEB-CIS系统架构 | 第28-29页 |
| 3.2 Access Cluster模块 | 第29-31页 |
| 3.2.1 Access Cluster模块的主要功能 | 第29页 |
| 3.2.2 Access Cluster模块的主要结构 | 第29-30页 |
| 3.2.3 Access Cluster模块的实现 | 第30-31页 |
| 3.3 Classfier Training模块 | 第31-35页 |
| 3.3.4 Classifier Training模块的主要功能 | 第31页 |
| 3.3.5 Classifier Training模块的主要结构 | 第31-32页 |
| 3.3.6 Classifier Training模块的实现 | 第32-35页 |
| 3.4 Testing模块 | 第35-38页 |
| 3.4.1 Testing模块的主要功能 | 第35页 |
| 3.4.2 Testing模块的主要结构 | 第35-36页 |
| 3.4.3 Testing模块的实现 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 测试与分析 | 第39-47页 |
| 4.1 实验环境 | 第39-40页 |
| 4.2 评价标准 | 第40-41页 |
| 4.3 测试与运行 | 第41-43页 |
| 4.4 实验结果分析 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 本文总结 | 第47页 |
| 5.2 研究展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 发表论文和科研情况说明 | 第53-54页 |
| 致谢 | 第54页 |
