| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.2.3 国内外研究分析 | 第15-16页 |
| 1.3 课题的来源及研究内容 | 第16-18页 |
| 1.3.1 课题来源 | 第16页 |
| 1.3.2 课题的主要研究内容 | 第16-17页 |
| 1.3.3 文章的组织结构 | 第17-18页 |
| 第2章 相关技术概述 | 第18-26页 |
| 2.1 免疫入侵检测技术 | 第18页 |
| 2.2 基本概念介绍 | 第18-22页 |
| 2.2.1 自体/非自体检测 | 第18-19页 |
| 2.2.2 检测率/误报率 | 第19页 |
| 2.2.3 匹配规则 | 第19-20页 |
| 2.2.4 否定选择算法 | 第20-21页 |
| 2.2.5 克隆选择算法 | 第21-22页 |
| 2.3 文化算法 | 第22-23页 |
| 2.4 核主元分析 | 第23-24页 |
| 2.5 支持向量机 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 自适应混合变异克隆选择算法 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 自适应混合变异克隆选择算法分析 | 第26-33页 |
| 3.2.1 自适应混合变异克隆选择算法(AHMCSA) | 第26-29页 |
| 3.2.2 自适应混合变异克隆选择算法流程图与伪代码实现 | 第29-31页 |
| 3.2.3 自适应混合变异克隆选择算法收敛性分析 | 第31-33页 |
| 3.3 实验与结果分析 | 第33-37页 |
| 3.3.1 数据处理及参数设置 | 第33-34页 |
| 3.3.2 两种算子作用比例分析 | 第34页 |
| 3.3.3 匹配阈值分析 | 第34-35页 |
| 3.3.4 算法迭代效率分析 | 第35-36页 |
| 3.3.5 AHMCSA与CSA对比 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于文化算法的SVM参数优化 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 基于文化算法的SVM参数优化分析 | 第38-43页 |
| 4.2.1 基于文化算法的SVM参数优化(CA-SVM) | 第38-43页 |
| 4.2.2 CA-SVM流程图实现 | 第43页 |
| 4.3 实验与结果分析 | 第43-47页 |
| 4.3.1 数据处理及参数设置 | 第43-44页 |
| 4.3.2 搜索最优参数组合时间分析 | 第44-45页 |
| 4.3.3 检测率和误报率分析 | 第45-46页 |
| 4.3.4 搜索最优参数组合CPU占用率分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 攻读硕士学位期间所发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
