|
|
|
基于多模型权重提取与融合的网络安全态势预测研究 |
|
论文目录 |
|
摘要 | 第7-8页 | Abstract | 第8页 | 第1章 绪论 | 第11-18页 | 1.1 研究背景与意义 | 第11-12页 | 1.2 国内外研究现状 | 第12-15页 | 1.2.1 网络安全态势感知理论研究现状 | 第12-13页 | 1.2.2 网络安全态势感知技术研究现状 | 第13-15页 | 1.3 本文的主要研究内容 | 第15-16页 | 1.4 论文结构 | 第16-18页 | 第2章 网络安全态势预测及其相关技术 | 第18-25页 | 2.1 态势感知技术 | 第18-19页 | 2.2 网络安全态势感知 | 第19-21页 | 2.2.1 网络安全态势感知的概念 | 第19页 | 2.2.2 网络安全态势评估体系 | 第19-21页 | 2.3 网络安全的态势预测 | 第21-24页 | 2.3.1 网络安全态势预测的概念 | 第21-22页 | 2.3.2 网络安全态势预测的常用方法 | 第22-24页 | 2.4 权重提取和Dempster组合规则 | 第24页 | 2.5 本章小结 | 第24-25页 | 第3章 网络安全态势评估及预测模型的建立 | 第25-47页 | 3.1 网络安全态势评估的数据样本及预处理 | 第25-29页 | 3.2 网络安全态势预测评价指标 | 第29-30页 | 3.3 组合预测单项模型的确定 | 第30页 | 3.4 灰色Verhulst预测模型 | 第30-35页 | 3.4.1 灰色Verhulst模型预测原理 | 第31-32页 | 3.4.2 自适应灰色参数 | 第32页 | 3.4.3 灰色Verhulst预测模型仿真实验及结果分析 | 第32-35页 | 3.5 BP神经网络模型 | 第35-39页 | 3.5.1 BP神经网络预测原理 | 第35-37页 | 3.5.2 BP神经网络参数设置 | 第37页 | 3.5.3 BP神经网络预测模型仿真实验及结果分析 | 第37-39页 | 3.6 Elman神经网络模型 | 第39-43页 | 3.6.1 Elman神经网络预测原理 | 第40-41页 | 3.6.2 Elman神经网络参数设置 | 第41页 | 3.6.3 Elman神经网络预测模型仿真实验及结果分析 | 第41-43页 | 3.7 RBF神经网络模型 | 第43-45页 | 3.7.1 RBF神经网络预测原理 | 第43-44页 | 3.7.2 RBF神经网络参数设置 | 第44-45页 | 3.7.3 RBF神经网络预测模型仿真实验及结果分析 | 第45页 | 3.8 各单项预测模型预测能力对比 | 第45-46页 | 3.9 本章小结 | 第46-47页 | 第4章 多模型权重提取与融合的组合预测技术 | 第47-57页 | 4.1 多模型权重提取模型 | 第47-48页 | 4.2 多模型权重融合模型 | 第48-49页 | 4.3 权重提取仿真 | 第49-51页 | 4.4 权重融合仿真 | 第51-52页 | 4.5 预测结果分析 | 第52-53页 | 4.6 Honey Net数据集补充验证 | 第53-55页 | 4.7 本章小结 | 第55-57页 | 第5章 总结与展望 | 第57-58页 | 参考文献 | 第58-63页 | 致谢 | 第63-64页 | 附录A 攻读学位期间所发表的学术论文目录 | 第64页 |
|
|
|
|
论文编号BS2897982,这篇论文共64页 会员购买按0.35元/页下载,共需支付22.4元。 直接购买按0.5元/页下载,共需要支付32元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|