最小二乘支持向量机稀疏化技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 引言 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 本文创新点 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 LSSVM及聚类算法相关理论与技术 | 第14-24页 |
| 2.1 LSSVM | 第14-18页 |
| 2.1.1 LSSVM基本原理 | 第14-16页 |
| 2.1.2 LSSVM算法分析 | 第16-18页 |
| 2.2 聚类算法概述 | 第18-23页 |
| 2.2.1 核空间距离聚类算法 | 第19-20页 |
| 2.2.2 子空间粒子群聚类算法 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于聚类的LSSVM稀疏化算法设计 | 第24-49页 |
| 3.1 LSSVM稀疏化 | 第24-25页 |
| 3.2 基于核空间聚类的稀疏算法 | 第25-37页 |
| 3.2.1 算法描述 | 第28页 |
| 3.2.2 流程图 | 第28-29页 |
| 3.2.3 实验与分析 | 第29-37页 |
| 3.3 基于子空间粒子群聚类的稀疏算法 | 第37-44页 |
| 3.3.1 算法描述 | 第38页 |
| 3.3.2 流程图 | 第38-39页 |
| 3.3.3 实验与分析 | 第39-44页 |
| 3.4 两种稀疏化模型对比分析 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 稀疏LSSVM在网络入侵检测中的应用 | 第49-57页 |
| 4.1 入侵检测概述 | 第49页 |
| 4.2 基于聚类的稀疏LSSVM入侵检测模型 | 第49-56页 |
| 4.2.1 数据集 | 第50-51页 |
| 4.2.2 实验与分析 | 第51-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表论文情况 | 第64页 |
