理工類研究生開題報告範文

論文的研究內容包括兩個方面：一是研究新的高效的聚類演算法;一是把已有的聚類演算法或論文提出的新演算法和入侵檢測技術相結合，從而提出一個好的入侵檢測模型。具體的研究內容包括以下幾個點：

第一、針對聚類演算法的研究問題：

1、如何提高演算法的可擴充套件性

許多聚類演算法在小於200個數據物件的小資料集上是高效率的，但是無法處理一個大規模資料庫裡的海量物件。現有的聚類演算法只有極少數適合處理大資料集，而且只能處理數值型資料物件，無法分析具有類屬性的資料物件。

2、如何處理離群點

在實際應用中，估計資料集中的離群點可能是非常困難的，很多演算法通常丟棄增長緩慢的簇，這樣的簇趨向於代表離群點。然而在某些應用中，使用者可能對相對較小的簇比較感興趣，比如入侵檢測中，這些小的簇可能代表異常行為，那麼我們需要考慮在對演算法影響更小的前提下，如何更好的處理這些離群點。

3、研究適合具有類屬性資料的聚類演算法的有效性

對聚類分析而言，有效性問題通常可以轉換為最佳類別數k的決策。而目前有關聚類演算法的有效性分析，大都集中在對數值資料的聚類方式分析上。對於具有類屬性的資料聚類，還沒有行之有效的分析方法。

第二、針對聚類演算法在ids應用中的研究問題：

1、如何結合聚類技術和入侵檢測技術取得更好的效果

很多的聚類演算法都已經和ids應用環境結合起來了，很多研究者對前人提出的演算法作出改進後，應用到ids系統中去，或者提出一個全新的演算法來適應ids的要求。隨著聚類技術的不斷髮展，聚類技術在入侵檢測中的應用將是一個很有前景的工作。我們需要把更好的聚類技術成果應用到入侵檢測中。

2、利用聚類技術處理入侵檢測中的頻繁誤警

雖然入侵檢測是重要的安全措施，然而它常常觸發大量的誤警，使得安全管理員不堪重負，事實上，大量的誤警是重複發生並且頻繁發生的，可以利用聚類技術來尋找導致ids產生大量誤警的本質原因。