| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-13页 |
| ·研究的背景及意义 | 第9页 |
| ·入侵检测技术研究现状 | 第9-10页 |
| ·支持向量机的研究现状 | 第10-11页 |
| ·研究内容及论文结构 | 第11-13页 |
| 第2章 入侵检测技术概述 | 第13-22页 |
| ·入侵检测的基本概念与通用模型 | 第13-15页 |
| ·入侵检测的基本概念 | 第13页 |
| ·通用入侵检测模型 | 第13-15页 |
| ·入侵检测系统的分类 | 第15-17页 |
| ·按照信息源的分类 | 第15-16页 |
| ·按检测方法的分类 | 第16-17页 |
| ·常用的入侵检测方法 | 第17-20页 |
| ·误用检测方法 | 第17-18页 |
| ·异常检测方法 | 第18-20页 |
| ·入侵检测存在的问题及发展趋势 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 支持向量机 | 第22-30页 |
| ·引言 | 第22页 |
| ·统计学习理论和支持向量机 | 第22-24页 |
| ·VC 维 | 第22-23页 |
| ·结构风险最小化 | 第23-24页 |
| ·支持向量机 | 第24-28页 |
| ·最优分类面 | 第24-25页 |
| ·线性可分情况下的支持向量机 | 第25页 |
| ·线性不可分情况下的支持向量机 | 第25-26页 |
| ·非线性情况下的支持向量机 | 第26-27页 |
| ·常用的几种支持向量机及其变种 | 第27-28页 |
| ·常用的核函数 | 第28-29页 |
| ·利用支持向量机进行分类的优点 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第4章 聚类算法 | 第30-35页 |
| ·基于划分的方法 | 第30页 |
| ·基于层次的方法 | 第30-31页 |
| ·基于密度的聚类方法 | 第31-32页 |
| ·基于网格的方法 | 第32页 |
| ·K-均值算法及其改进算法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第5章 基于多阶段聚类支持向量机在入侵检测中的应用 | 第35-53页 |
| ·引言 | 第35-37页 |
| ·支持向量机的优点及存在的问题 | 第35-36页 |
| ·一种改进的支持向量机算法 | 第36页 |
| ·最近邻支持向量机方法 | 第36-37页 |
| ·基于多阶段聚类支持向量机入侵检测算法 | 第37-38页 |
| ·基于聚类支持向量机的入侵检测模型 | 第38-42页 |
| ·实验结果及数据分析比较 | 第42-51页 |
| ·实验数据集描述 | 第42-45页 |
| ·原始数据的预处理 | 第45-46页 |
| ·核函数参数的选择 | 第46-47页 |
| ·实验结果 | 第47-51页 |
| ·实验结果分析比较 | 第51页 |
| ·本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间取得学术成果 | 第59页 |