基于决策粗糙集和SVM算法的网络入侵检测应用研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 入侵检测研究的背景与意义 | 第8-11页 |
| 1.2 入侵检测系统的研究现状 | 第11-14页 |
| 1.3 入侵检测系统存在的问题 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 章节安排 | 第16-17页 |
| 第2章 相关技术背景介绍 | 第17-25页 |
| 2.1 入侵检测技术概论 | 第17-19页 |
| 2.2 常见的异常检测算法 | 第19-24页 |
| 2.2.1 K近邻算法 | 第20-21页 |
| 2.2.2 人工神经网络算法 | 第21-24页 |
| 2.3 小结 | 第24-25页 |
| 第3章 基于决策粗糙集和SVM算法的混合分类模型 | 第25-38页 |
| 3.1 基本思想 | 第25页 |
| 3.2 支持向量机算法 | 第25-31页 |
| 3.2.1 线性SVM分类器 | 第28-30页 |
| 3.2.2 非线性SVM分类器 | 第30-31页 |
| 3.3 决策粗糙集 | 第31-34页 |
| 3.3.1 信息系统和粗糙集 | 第31-32页 |
| 3.3.2 决策粗糙集 | 第32-34页 |
| 3.4 DTRS_SVM混合分类模型整体框架 | 第34-37页 |
| 3.5 小结 | 第37-38页 |
| 第4章 实验与分析 | 第38-51页 |
| 4.1 实验配置及相关参数设置 | 第38-46页 |
| 4.1.1 KDDcup99数据集简介 | 第38-41页 |
| 4.1.2 数据预处理与特征选择 | 第41-43页 |
| 4.1.3 实验参数设置 | 第43-46页 |
| 4.2 混合模型实验结果分析 | 第46-50页 |
| 4.3 小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读学位期间的研究成果 | 第59页 |
