| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·网络安全面临的威胁 | 第9页 |
| ·研究入侵检测的必要性 | 第9-10页 |
| ·国内外的研究进展和现状 | 第10-12页 |
| ·入侵检测研究进展和现状 | 第10-11页 |
| ·支持向量机的研究进展和现状 | 第11-12页 |
| ·本文的主要工作和结构安排 | 第12-14页 |
| ·本文的主要工作 | 第12页 |
| ·本文的结构安排 | 第12-14页 |
| 第二章 支持向量机理论研究 | 第14-23页 |
| ·线性判别函数的基本概念 | 第14-15页 |
| ·关于二次规划中的约束条件 | 第15-16页 |
| ·用lagrange乘子法求解支持向量机的二次规划问题 | 第16-17页 |
| ·线性不可分情况下对支持向量机的讨论 | 第17-18页 |
| ·广义最优分类面及Mercer条件 | 第18-19页 |
| ·支持向量机原理 | 第19-20页 |
| ·关于内积核函数问题 | 第20页 |
| ·标准支持向量机算法C-SVM | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 入侵检测系统概述 | 第23-33页 |
| ·入侵行为分类 | 第23-24页 |
| ·入侵检测的概念和作用 | 第24-25页 |
| ·入侵检测系统的分类 | 第25-26页 |
| ·网络数据包信息的截获 | 第26-27页 |
| ·数据特征提取 | 第27-29页 |
| ·数据处理 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于支持向量机的入侵检测系统 | 第33-38页 |
| ·支持向量机分类器模型 | 第33页 |
| ·基于SVM的网络入侵检测基本结构 | 第33-34页 |
| ·入侵检测系统的CIDF模型 | 第34-35页 |
| ·基于SVM的网络入侵检测系统模型 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于自适应特征加权的特征提取和选择 | 第38-48页 |
| ·数据降维 | 第38-40页 |
| ·数据降维的基本问题 | 第38页 |
| ·数据降维的基本原理 | 第38-40页 |
| ·主成分分析 | 第40-41页 |
| ·主成分分析的基本概念与原理 | 第40页 |
| ·主成分分析的基本步骤和过程 | 第40-41页 |
| ·因子分析 | 第41-42页 |
| ·因子分析的基本原理 | 第41-42页 |
| ·因子分析的基本步骤和过程 | 第42页 |
| ·特征加权 | 第42-44页 |
| ·自适应特征加权 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 实验及数据分析 | 第48-54页 |
| ·实验步骤 | 第48-52页 |
| ·实验结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 总结和展望 | 第54-56页 |
| ·本文主要工作 | 第54页 |
| ·有待进一步研究的内容 | 第54-56页 |
| 附录 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |