| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 漏洞理论基础 | 第9-10页 |
| 1.3 研究现状 | 第10-13页 |
| 1.4 研究内容和意义 | 第13-14页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 研究意义 | 第13-14页 |
| 1.5 组织结构 | 第14页 |
| 1.6 本章小结 | 第14-15页 |
| 第二章 支持向量机 | 第15-22页 |
| 2.1 统计学习理论 | 第15-17页 |
| 2.2 核函数 | 第17-19页 |
| 2.2.1 定义 | 第17-18页 |
| 2.2.2 核函数与参数的选取 | 第18-19页 |
| 2.3 多类支持向量机分类算法 | 第19-20页 |
| 2.3.1 一对余方法 | 第19-20页 |
| 2.3.2 一对一方法 | 第20页 |
| 2.3.3 二叉树法 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 遗传算法与粒子群算法 | 第22-33页 |
| 3.1 遗传算法 | 第22-27页 |
| 3.1.1 遗传算法的关键术语 | 第22-23页 |
| 3.1.2 遗传算法的基本思想 | 第23-27页 |
| 3.2 粒子群算法 | 第27-30页 |
| 3.2.1 粒子群算法的关键术语 | 第27-28页 |
| 3.2.2 粒子群算法的基本思想 | 第28-30页 |
| 3.3 遗传算法与粒子群算法的结合 | 第30-32页 |
| 3.3.1 遗传算法与粒子群算法的异同点 | 第30-32页 |
| 3.3.2 遗传算法与粒子群算法的结合方式 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于改进的支持向量机的漏洞分类器 | 第33-41页 |
| 4.1 数据分类器 | 第33页 |
| 4.2 基于改进支持向量机的漏洞分类器 | 第33-40页 |
| 4.2.1 基于遗传算法优化支持向量机的漏洞分类器 | 第34-36页 |
| 4.2.2 基于粒子群算法优化支持向量机的漏洞分类器 | 第36-38页 |
| 4.2.3 基于 GA-PSO 优化支持向量机的漏洞分类器 | 第38-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 仿真实验与分析 | 第41-47页 |
| 5.1 实验环境 | 第41页 |
| 5.2 实验数据 | 第41页 |
| 5.3 分类结果与分析 | 第41-46页 |
| 5.3.1 优化支持向量机的漏洞分类器实验 | 第41-42页 |
| 5.3.2 实验结果与分析 | 第42-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 本论文研究工作总结 | 第47页 |
| 6.2 研究工作展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间公开发表的论文 | 第53-54页 |
