一种改进的K-means算法在网络入侵检测中的应用研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状及发展趋势 | 第16-17页 |
| 1.3 本文主要内容及组织结构 | 第17-19页 |
| 1.3.1 本文主要内容 | 第17-18页 |
| 1.3.2 论文组织结构 | 第18-19页 |
| 第二章 相关知识概要 | 第19-34页 |
| 2.1 聚类分析技术 | 第19-24页 |
| 2.1.1 聚类分析概述 | 第19页 |
| 2.1.2 聚类分析中的相似性测度 | 第19-21页 |
| 2.1.3 常用的聚类算法 | 第21-24页 |
| 2.2 粒子群优化算法 | 第24-27页 |
| 2.3 K-means聚类算法 | 第27-29页 |
| 2.3.1 K-means聚类算法流程 | 第27-28页 |
| 2.3.2 K-means算法优缺点分析 | 第28-29页 |
| 2.4 入侵检测介绍 | 第29-33页 |
| 2.4.1 入侵检测系统 | 第29-30页 |
| 2.4.2 入侵检测技术 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 K-means初始聚类中心优化方法 | 第34-41页 |
| 3.1 问题的提出 | 第34页 |
| 3.2 现有的初始中心优化方法 | 第34-35页 |
| 3.3 初始聚类中心优化方法 | 第35-40页 |
| 3.3.1 基于密度思想进行类划分 | 第36-38页 |
| 3.3.2 基于粒子群算法优化类中心 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于改进K-means算法的入侵检测模型 | 第41-48页 |
| 4.1 入侵检测模型介绍 | 第41-42页 |
| 4.2 改进的网络入侵检测模型 | 第42-47页 |
| 4.2.1 改进的K-means算法 | 第43-45页 |
| 4.2.2 网络入侵检测模型改进 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 算法与实验分析 | 第48-62页 |
| 5.1 算法有效性验证实验 | 第48-53页 |
| 5.1.1 实验准备 | 第48页 |
| 5.1.2 实验过程与分析 | 第48-53页 |
| 5.2 入侵检测实验 | 第53-60页 |
| 5.2.1 KDD CUP 99数据集介绍 | 第53-55页 |
| 5.2.2 入侵检测实验分析 | 第55-60页 |
| 5.3 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 本文工作总结 | 第62页 |
| 6.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第68-69页 |
