声明
摘要
1 绪论
1.1 前言
1.2 选题的背景和研究意义
1.3 论文的主要工作
1.4 论文的结构安排
2 数据挖掘和入侵检测技术
2.1 数据挖掘概述
2.2 数据挖掘的步骤
2.3 数据挖掘的主要算法
2.4 入侵检测技术
2.5 入侵检测系统的主要类型
2.5.1 按数据来源和系统结构分类
2.5.2 按检测方法分类
2.6 入侵检测技术的发展方向
2.7 贝叶斯分类的入侵检测技术的应用研究
2.8 本章小结
3 贝叶斯分类原理研究
3.1 引言
3.2 贝叶斯分类理论
3.2.1 贝叶斯分类的一般原理
3.2.2 朴素贝叶斯分类
3.3 朴素贝叶斯算法的改进
3.4 入侵检测中贝叶斯分类系统的建立
3.4.1 训练过程
3.4.2 检测过程
3.5 朴素贝叶斯分类在入侵检测应用中的优缺点
3.6 本章小结
4 基于粗糙集理论属性简约方法研究
4.1 引言
4.2 属性选择的论述
4.3 属性的评价标准
4.4 属性选择方法介绍
4.4.1 Relief方法
4.4.2 信息熵的属性选择方法
4.5 粗糙集合理论概述
4.6 粗糙集合相关定义
4.7 基于粗糙集合理论的区分矩阵方法求解属性简约
4.8 基于属性依赖度方法求解属性简约
4.9 本章小结
5 基于改进贝叶斯入侵检测模型实验的建立
5.1 实验环境、平台以及数据集介绍
5.1.1 测试平台——WEKA软件
5.1.2 实验数据介绍
5.2 对改进后的贝叶斯分类算法建立实验
5.3 对改进后的贝叶斯入侵检测系统建立实验
5.4 基于依赖度属性选择方法在实际中的应用
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 工作展望
致谢
参考文献
攻读学位期间的研究成果