支持向量机及其在入侵检测中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题背景与意义 | 第8-9页 |
| ·支持向量机研究进展 | 第9页 |
| ·入侵检测概述 | 第9-15页 |
| ·入侵检测的必要性 | 第10页 |
| ·入侵检测的相关概念 | 第10-11页 |
| ·入侵检测系统分类 | 第11-12页 |
| ·智能入侵检测方法 | 第12-14页 |
| ·入侵检测系统中存在的问题及发展方向 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| 第二章 支持向量机理论 | 第16-32页 |
| ·机器学习问题 | 第16-18页 |
| ·问题的表示 | 第16-17页 |
| ·经验风险最小化 | 第17页 |
| ·复杂性与推广能力的界 | 第17-18页 |
| ·统计学习理论 | 第18-20页 |
| ·VC 维 | 第18-19页 |
| ·推广性的界 | 第19页 |
| ·结构风险最小化 | 第19-20页 |
| ·支持向量机原理与算法 | 第20-32页 |
| ·最优分类面与支持向量 | 第20-22页 |
| ·支持向量机的概念 | 第22-23页 |
| ·内积核函数 | 第23页 |
| ·支持向量机的若干算法 | 第23-29页 |
| ·支持向量机多值分类 | 第29-32页 |
| 第三章 基于支持向量机的入侵检测技术研究 | 第32-45页 |
| ·基于支持向量机的代价敏感学习及其应用 | 第32-40页 |
| ·代价敏感学习 | 第32-33页 |
| ·基于支持向量机的代价敏感学习 | 第33-34页 |
| ·支持向量机代价敏感学习在入侵检测中的应用 | 第34-40页 |
| ·基于支持向量机的信息融合技术及其应用 | 第40-45页 |
| ·信息融合技术 | 第40-41页 |
| ·基于支持向量机的信息融合技术 | 第41-43页 |
| ·支持向量机信息融合在入侵检测中的应用 | 第43-45页 |
| 第四章 基于支持向量机的分布式入侵检测 | 第45-56页 |
| ·分布式入侵检测 | 第45页 |
| ·基于支持向量机的分布式入侵检测算法 | 第45-46页 |
| ·原型系统开发 | 第46-51页 |
| ·系统环境 | 第46-47页 |
| ·原型系统实现 | 第47-51页 |
| ·原型系统特点 | 第51页 |
| ·实验测试 | 第51-56页 |
| ·训练和测试数据构成 | 第51-52页 |
| ·实验及结果分析 | 第52-56页 |
| 第五章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 附录一 读研期间发表论文情况 | 第63页 |
| 附录二 读研期间获奖情况 | 第63-64页 |
| 致谢 | 第64页 |
