| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| §1．1 研究的提出 | 第11-12页 |
| §1．2 统计学习理论的发展 | 第12-14页 |
| §1．3 支持向量机算法的发展 | 第14-15页 |
| §1．4 所做主要工作及论文安排 | 第15-17页 |
| 第二章 支持向量机基础 | 第17-33页 |
| §2．1 机器学习 | 第17-18页 |
| §2．2 学习过程的一致性理论 | 第18-22页 |
| §2．3 学习过程的收敛速度 | 第22-23页 |
| §2．4 学习机器推广能力的界 | 第23-26页 |
| §2．5 控制学习过程的推广能力 | 第26-27页 |
| §2．6 支持向量机 | 第27-33页 |
| 第三章 基于紧互对模型的支持向量预选方法 | 第33-41页 |
| §3．1 概述 | 第33-34页 |
| §3．2 紧互对模型 | 第34-35页 |
| §3．3 仿真试验 | 第35-39页 |
| §3．4 本章小节 | 第39-41页 |
| 第四章 支持向量机的分步训练方法 | 第41-52页 |
| §4．1 概述 | 第41页 |
| §4．2 KARUSH-KUHN-TUCKER(KKT)条件 | 第41-43页 |
| §4．3 SVM的分步训练方法 | 第43-46页 |
| §4．4 仿真试验 | 第46-50页 |
| §4．5 本章小节 | 第50-52页 |
| 第五章 支持向量机推广能力估计 | 第52-71页 |
| §5．1 概述 | 第52-53页 |
| §5．2 交叉有效性检验和留一法 | 第53-54页 |
| §5．3 支持向量机推广能力的常用估计方法 | 第54-59页 |
| §5．4 使用跨度估计SVM推广能力 | 第59-61页 |
| §5．5 使用线性规划求解跨度 | 第61-64页 |
| §5．5 仿真试验 | 第64-66页 |
| §5．6 本章小节 | 第66-71页 |
| 第六章 选择支持向量机的参数 | 第71-81页 |
| §6．1 概述 | 第71-72页 |
| §6．2 支持向量机参数的最优化选择方法 | 第72-76页 |
| §6．3 试探法选择支持向量机参数 | 第76-78页 |
| §6．4 仿真试验 | 第78-80页 |
| §6．5 本章小节 | 第80-81页 |
| 第七章 基于支持向量机的入侵检测系统 | 第81-107页 |
| §7．1 概述 | 第81-82页 |
| §7．2 KDD99入侵检测数据 | 第82-83页 |
| §7．3 对KDD99数据的分析 | 第83-86页 |
| §7．4 基于支持向量机的入侵检测算法 | 第86-98页 |
| §7．5 基于支持向量机的入侵检测系统 | 第98-100页 |
| §7．6 本章小节 | 第100-107页 |
| 结束语 | 第107-110页 |
| 致谢 | 第110-111页 |
| 作者在攻读博士学位期间(合作)撰写的学术论文 | 第111-113页 |
| 参考文献 | 第113-127页 |