结构监测系统传感网络异常检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 前言 | 第11页 |
| 1.2 国内外研究现状和发展 | 第11-16页 |
| 1.2.1 结构健康监测系统 | 第11-14页 |
| 1.2.2 网络异常检测 | 第14-16页 |
| 1.3 本文的主要研究内容 | 第16-19页 |
| 第二章 异常检测相关理论 | 第19-29页 |
| 2.1 前言 | 第19页 |
| 2.2 异常检测主要原理 | 第19-24页 |
| 2.2.1 网络异常 | 第19页 |
| 2.2.2 入侵检测 | 第19-24页 |
| 2.3 常用的异常检测算法 | 第24-27页 |
| 2.3.1 基于遗传算法的异常检测 | 第25页 |
| 2.3.2 基于神经网络的异常检测 | 第25-26页 |
| 2.3.3 基于人工免疫系统的异常检测 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章K-means聚类相关理论 | 第29-39页 |
| 3.1 前言 | 第29页 |
| 3.2 聚类相关理论及分类 | 第29-33页 |
| 3.2.1 聚类的概念 | 第29-30页 |
| 3.2.2 聚类算法 | 第30-33页 |
| 3.3 K-MEANS聚类相关理论 | 第33-37页 |
| 3.3.1 K-means聚类算法介绍 | 第33-36页 |
| 3.3.2 K-means聚类算法应用 | 第36-37页 |
| 3.4 改进K-means聚类算法 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 支持向量机相关理论 | 第39-47页 |
| 4.1 前言 | 第39页 |
| 4.2 统计学习理论 | 第39-41页 |
| 4.2.1 VC维 | 第40页 |
| 4.2.2 推广性的界 | 第40页 |
| 4.2.3 结构风险最小化 | 第40-41页 |
| 4.3 支持向量机原理 | 第41-46页 |
| 4.3.1 线性支持向量机 | 第42-43页 |
| 4.3.2 非线性支持向量机 | 第43-44页 |
| 4.3.3 内积核函数 | 第44页 |
| 4.3.4 支持向量机的优势 | 第44-45页 |
| 4.3.5 支持向量机在异常检测中的应用 | 第45-46页 |
| 4.4 分块支持向量机 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于分块支持向量机的异常检测 | 第47-65页 |
| 5.1 前言 | 第47页 |
| 5.2 基于分块支持向量机的异常检测算法 | 第47-49页 |
| 5.3 试验数据集 | 第49-54页 |
| 5.3.1 KDDCUP99数据集基本概念 | 第49页 |
| 5.3.2 属性特征解释 | 第49-54页 |
| 5.3.3 KDDCUP99数据集的应用 | 第54页 |
| 5.4 基于分块支持向量机的试验研究 | 第54-64页 |
| 5.4.1 试验环境 | 第54-55页 |
| 5.4.2 试验过程与试验结果 | 第55-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 结论 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 作者简介 | 第73页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第73-75页 |
| 致谢 | 第75-76页 |
