入侵检测中的贝叶斯分类器的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·入侵检测系统的分类 | 第11-13页 |
| ·常用的入侵检测技术 | 第13-14页 |
| ·本文所做工作及创新点 | 第14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 贝叶斯基础理论 | 第16-26页 |
| ·数据挖掘与分类 | 第16-21页 |
| ·数据挖掘技术 | 第17-18页 |
| ·数据挖掘中的分类问题 | 第18-21页 |
| ·贝叶斯概率和贝叶斯定理 | 第21-22页 |
| ·贝叶斯学习的基本过程 | 第22-23页 |
| ·最大后验假设与最大似然假设 | 第23-24页 |
| ·贝叶斯网络的定义 | 第24-25页 |
| 本章小结 | 第25-26页 |
| 第三章 三种常见的贝叶斯分类器 | 第26-34页 |
| ·朴素贝叶斯分类器 | 第26-28页 |
| ·朴素贝叶斯分类器的原理 | 第27-28页 |
| ·朴素贝叶斯分类器的优点和不足 | 第28页 |
| ·贝叶斯网络分类器 | 第28-30页 |
| ·贝叶斯网络分类器的概念 | 第28-29页 |
| ·贝叶斯网络分类器的优点和不足 | 第29-30页 |
| ·增量贝叶斯分类器 | 第30-31页 |
| ·实验 | 第31-33页 |
| 本章小结 | 第33-34页 |
| 第四章 基于属性约简的贝叶斯分类器 | 第34-45页 |
| ·基本概念 | 第34-39页 |
| ·粗糙集的基本概念 | 第34-36页 |
| ·知识的约简和核 | 第36页 |
| ·知识的相对约简核相对核 | 第36-37页 |
| ·基于粗糙集的知识表 | 第37-39页 |
| ·一种新的属性约简算法 | 第39-41页 |
| ·基于属性约简的贝叶斯分类器 | 第41-44页 |
| 本章小结 | 第44-45页 |
| 第五章 实验 | 第45-52页 |
| ·实验数据说明 | 第45-48页 |
| ·实验结果 | 第48-51页 |
| 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56-57页 |
