支持向量机在入侵检测系统中的应用

摘要	第1-6页
Abstract	第6-9页
第1章 绪论	第9-12页
·引言	第9页
·当前的研究现状	第9-11页
·论文的研究内容及章节安排	第11-12页
第2章 入侵检测技术综述	第12-20页
·引言	第12页
·入侵检测系统的作用	第12-13页
·入侵检测系统模型	第13-14页
·常用的入侵检测技术	第14-17页
·异常入侵检测技术	第14-16页
·误用入侵检测技术	第16-17页
·入侵检测系统存在的问题	第17-18页
·入侵检测系统的发展趋势	第18-19页
·本章小结	第19-20页
第3章 支持向量机及其相关理论	第20-32页
·引言	第20页
·机器学习	第20-22页
·机器学习中基本问题的表示	第20-21页
·经验风险最小化原则	第21-22页
·统计学习理论	第22-27页
·VC维	第22-23页
·泛化误差的界限	第23-25页
·结构风险最小化原理	第25-27页
·支持向量机	第27-31页
·最优超平面	第27-28页
·支持向量机分类器	第28-31页
·核函数	第31页
·本章小结	第31-32页
第4章 支持向量机在入侵检测系统中的应用	第32-52页
·引言	第32页
·基于支持向量机的入侵检测系统	第32-34页
·基于 SVM的入侵检测系统存在的问题	第34-37页
·对基于 SVM的入侵检测系统的改进	第37-51页
·核函数的分析和改进	第37-41页
·样本分布不均匀情况下分类的改进	第41-45页
·对决策响应部分的改进	第45-51页
·本章小结	第51-52页
结论	第52-53页
参考文献	第53-57页
攻读硕士学位期间发表的论文和取得的科研成果	第57-58页
致谢	第58页