基于支持向量机的入侵检测研究

摘要	第1-4页
Abstract	第4-7页
1 绪论	第7-11页
·选题背景及意义	第7页
·入侵检测技术研究现状	第7-8页
·支持向量机研究现状	第8-9页
·论文的主要工作和组织结构	第9-11页
·论文的主要工作	第9-10页
·论文的组织结构	第10-11页
2 入侵检测技术综述	第11-18页
·入侵检测的必要性	第11-12页
·入侵检测的概念及意义	第12-13页
·入侵检测系统分类	第13-15页
·入侵检测新方法	第15-16页
·入侵检测系统中存在的问题及发展方向	第16-18页
·入侵检测系统存在的问题	第16-17页
·入侵检测系统的发展方向	第17-18页
3. 统计学习理论和支持向量机	第18-29页
·模式识别	第18-19页
·模式识别的定义	第19页
·统计模式识别系统的组成	第19页
·统计学习理论	第19-29页
·学习问题的一般表示及经验风险最小化归纳原则	第20页
·学习过程一致性	第20-22页
·学习机推广能力的界	第22-23页
·控制学习过程的推广能力	第23页
·构造学习算法	第23-24页
·最优分类面	第24-26页
·广义最优分类面	第26-29页
4. 基于支持向量机的入侵检测	第29-38页
·系统结构模型	第29-31页
·特征数据及其预处理	第31-32页
·特征加权	第32-38页
5. 仿真和实验	第38-43页
·训练数据的选取	第38-39页
·训练数据及测试数据的构成	第39-43页
6. 总结与展望	第43-45页
·论文总结	第43页
·进一步的工作	第43-45页
致谢	第45-46页
参考文献	第46-48页