基于支持向量机与k近邻相结合的网络入侵检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文研究内容及章节安排 | 第9-11页 |
| 第二章 入侵检测理论基础 | 第11-26页 |
| 2.1 入侵和入侵检测 | 第11页 |
| 2.1.1 入侵的定义 | 第11页 |
| 2.1.2 入侵检测的定义 | 第11页 |
| 2.2 入侵检测工作原理 | 第11-12页 |
| 2.3 入侵检测系统评价 | 第12-13页 |
| 2.4 基于机器学习思想的分类理论 | 第13-17页 |
| 2.5 入侵检测相关分类算法 | 第17-26页 |
| 2.5.1 基于支持向量机的分类算法 | 第17-23页 |
| 2.5.2 k近邻法 | 第23-26页 |
| 第三章 基于SVM- KNN网络入侵检测方法 | 第26-33页 |
| 3.1 SVM、KNN分类方法的不足 | 第26-27页 |
| 3.2 SVM- KNN结合可行性 | 第27-30页 |
| 3.3 入侵检测特征选择 | 第30-33页 |
| 第四章 基于SVM-KNN在入侵检测中的应用 | 第33-48页 |
| 4.1 入侵检测数据介绍 | 第33-36页 |
| 4.2 实验环境 | 第36-39页 |
| 4.3 数据预处理 | 第39-41页 |
| 4.4 特征选择 | 第41-44页 |
| 4.5 核函数参数及k值的确定 | 第44-46页 |
| 4.6 实验结果与分析 | 第46-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表论文 | 第54-55页 |
