基于FSVM的数据挖掘方法及其在入侵检测中的应用研究
| 摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·课题研究的目的和意义 | 第10页 |
| ·论文主要工作与组织结构 | 第10-12页 |
| 第二章 数据挖掘与入侵检测概述 | 第12-24页 |
| ·数据挖掘基本原理 | 第12-14页 |
| ·数据挖掘产生的背景 | 第12页 |
| ·数据挖掘的概念 | 第12-13页 |
| ·数据挖掘的功能 | 第13页 |
| ·传统的数据挖掘的方法 | 第13-14页 |
| ·入侵检测基本原理 | 第14-21页 |
| ·入侵检测产生的背景 | 第14页 |
| ·入侵检测系统的概念 | 第14-16页 |
| ·入侵检测系统的分类 | 第16-20页 |
| ·入侵检测系统的功能 | 第20-21页 |
| ·数据挖掘的应用 | 第21-23页 |
| ·数据挖掘的主要应用领域 | 第21-22页 |
| ·数据挖掘应用中存在的问题 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 支持向量机的基本理论 | 第24-35页 |
| ·支持向量机原理 | 第24-33页 |
| ·线性支持向量机 | 第24-29页 |
| ·非线性支持向量机 | 第29-30页 |
| ·多分类支持向量机 | 第30-32页 |
| ·支持向量机特点 | 第32-33页 |
| ·核函数 | 第33-34页 |
| ·SVM 对于海量数据挖掘的缺陷 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 特征选择和入侵检测数据预处理 | 第35-46页 |
| ·特征选择 | 第35-40页 |
| ·特征选择概念 | 第35-36页 |
| ·特征选择与学习算法的关系 | 第36页 |
| ·典型特征选择算法 | 第36-38页 |
| ·适用于入侵检测的分步特征选择算法 | 第38-40页 |
| ·入侵检测性能标准与数据分析 | 第40-45页 |
| ·入侵检测性能标准 | 第40-41页 |
| ·入侵检测数据分析 | 第41-43页 |
| ·入侵检测数据预处理 | 第43-44页 |
| ·实验及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于 FSVM 的入侵检测 | 第46-54页 |
| ·模糊支持向量机 | 第46-48页 |
| ·模糊计算理论 | 第46页 |
| ·模糊支持向量机理论 | 第46-48页 |
| ·加权隶属度 | 第48-50页 |
| ·基于类中心距离的隶属度 | 第48页 |
| ·KNN 去噪隶属度 | 第48-49页 |
| ·加权隶属度 | 第49页 |
| ·实验及分析 | 第49-50页 |
| ·基于加权隶属度的模糊去噪支持向量机 | 第50-53页 |
| ·算法描述 | 第50-51页 |
| ·实验及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
