基于稀疏表示的协同入侵检测
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-18页 |
| ·引言 | 第14-15页 |
| ·当前研究现状 | 第15-16页 |
| ·论文主要内容及章节安排 | 第16-18页 |
| 第二章 相关理论介绍 | 第18-30页 |
| ·字典学习 | 第18-20页 |
| ·过完备字典的构造 | 第18-20页 |
| ·K-SVD算法 | 第20页 |
| ·稀疏优化方法 | 第20-23页 |
| ·贪婪算法 | 第21-22页 |
| ·全局优化方法 | 第22-23页 |
| ·入侵检测 | 第23-28页 |
| ·入侵检测相关概念 | 第23-24页 |
| ·入侵检测系统分类 | 第24-26页 |
| ·入侵检测方法 | 第26-27页 |
| ·侵检测系统模型 | 第27-28页 |
| ·基于稀疏表示的入侵检测系统评估 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 协同入侵检测模型 | 第30-33页 |
| ·协同入侵检测体系结构 | 第30-31页 |
| ·协同入侵检测系统各模块介绍 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 数据集及预处理 | 第33-41页 |
| ·数据集 | 第33-37页 |
| ·预处理 | 第37-40页 |
| ·数据清理 | 第37-38页 |
| ·特征选择 | 第38页 |
| ·格式转换 | 第38页 |
| ·标准化 | 第38-39页 |
| ·预处理算法流程 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第五章 基于稀疏表示的协同入侵检测代理 | 第41-57页 |
| ·协同检测代理 | 第41-42页 |
| ·单个检测代理的结构 | 第42-43页 |
| ·基于稀疏表示的入侵检测算法 | 第43-52页 |
| ·基于子空间重构 | 第43-46页 |
| ·基于判别式K-SVD | 第46-49页 |
| ·结合支持向量机 | 第49-52页 |
| ·字典优化 | 第52-53页 |
| ·k均值聚类 | 第52页 |
| ·K-SVD初始化 | 第52-53页 |
| ·k均值聚类应用于字典初始化 | 第53页 |
| ·学习库的精简 | 第53-55页 |
| ·相似及相似性搜索 | 第53-54页 |
| ·范围查询 | 第54-55页 |
| ·样本库精简 | 第55页 |
| ·增量学习 | 第55-56页 |
| ·增量学习库的选择 | 第55页 |
| ·增量学习 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第六章 实验及数据分析 | 第57-68页 |
| ·实验环境 | 第57页 |
| ·实验数据集 | 第57-59页 |
| ·实验结果及分析 | 第59-67页 |
| ·字典优化实验 | 第59-60页 |
| ·基于子空间重构 | 第60-64页 |
| ·基于判别式K-SVD | 第64-65页 |
| ·结合支持向量机 | 第65-67页 |
| ·学习库的精简 | 第67页 |
| ·小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读学位期间从事的科研项目及发表的论文 | 第75-78页 |
| 致谢 | 第78页 |
