支持向量机算法及其在入侵检测中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 论文组织 | 第12-14页 |
| 第2章 基础知识 | 第14-21页 |
| 2.1 最优化问题 | 第14页 |
| 2.1.1 无约束问题 | 第14页 |
| 2.1.2 约束问题 | 第14页 |
| 2.2 求解方程组的迭代方法 | 第14-16页 |
| 2.2.1 Jacobi迭代法 | 第15页 |
| 2.2.2 Gauss-Seidel迭代法 | 第15页 |
| 2.2.3 超松弛（SOR）迭代法 | 第15-16页 |
| 2.3 模糊隶属度的确定方法 | 第16-18页 |
| 2.3.1 类中心距离法 | 第16-17页 |
| 2.3.2 基于核的类中心法 | 第17-18页 |
| 2.3.3 模糊C均值聚类方法 | 第18页 |
| 2.4 常用的度量方法 | 第18-21页 |
| 2.4.1 明氏距离 | 第19页 |
| 2.4.2 马氏距离 | 第19-21页 |
| 第3章 模糊支持向量机V-FSVM | 第21-31页 |
| 3.1 支持向量机概述 | 第21-24页 |
| 3.1.1 线性可分支持向量机 | 第21-22页 |
| 3.1.2 线性不可分支持向量机 | 第22-24页 |
| 3.1.3 非线性支持向量机 | 第24页 |
| 3.2 υ-SVM支持向量机 | 第24-26页 |
| 3.3 模糊支持向量机 | 第26-29页 |
| 3.3.1 模糊支持向量机FSVM | 第26-27页 |
| 3.3.2 模糊支持向量机 υ-FSVM | 第27-29页 |
| 3.4 支持向量机的迭代方法 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 模糊孪生支持向量机V-FTSVM | 第31-40页 |
| 4.1 概述 | 第31-32页 |
| 4.2 近邻支持向量机 | 第32-33页 |
| 4.3 基于广义特征值的近邻支持向量机 | 第33-34页 |
| 4.4 孪生支持向量机 | 第34-39页 |
| 4.4.1 模糊孪生支持向量机C-FTSVM | 第35页 |
| 4.4.2 模糊孪生支持向量机v-FTSVM | 第35-39页 |
| 4.5 隶属度函数 | 第39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 UCI数据的实验研究 | 第40-44页 |
| 5.1 实验数据及实验方法 | 第40页 |
| 5.2 实验结果与分析 | 第40-43页 |
| 5.3 本章小结 | 第43-44页 |
| 第6章 支持向量机在入侵检测中的应用 | 第44-48页 |
| 6.1 入侵检测数据 | 第44-45页 |
| 6.2 入侵检测数据的实验结果与分析 | 第45-47页 |
| 6.3 本章小结 | 第47-48页 |
| 第7章 总结与展望 | 第48-50页 |
| 7.1 本文总结 | 第48-49页 |
| 7.2 工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间取得的科研成果 | 第55页 |
