| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-15页 |
| ·选题背景 | 第10-11页 |
| ·国内外研究现状综述 | 第11-13页 |
| ·论文研究的目的 | 第13页 |
| ·论文研究的内容 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 2 入侵检测技术综述 | 第15-23页 |
| ·入侵检测概述 | 第15-16页 |
| ·入侵检测框架 | 第16-17页 |
| ·入侵检测算法 | 第17-20页 |
| ·异常检测 | 第17-19页 |
| ·误用检测 | 第19-20页 |
| ·入侵检测存在的问题和挑战 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 支持向量机及其相关理论 | 第23-33页 |
| ·引言 | 第23页 |
| ·统计学习理论 | 第23-25页 |
| ·VC 维 | 第24页 |
| ·推广性的界 | 第24页 |
| ·结构风险最小化 | 第24-25页 |
| ·支持向量机原理 | 第25-29页 |
| ·最大分类间隔 | 第25-28页 |
| ·核函数特征空间 | 第28-29页 |
| ·支持向量机的发展 | 第29-32页 |
| ·C-SVM | 第30-31页 |
| ·One-Class SVM | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 改进的模糊支持向量机学习算法 | 第33-38页 |
| ·模糊支持向量机 | 第33-35页 |
| ·基于加权的模糊支持向量机 | 第35-37页 |
| ·模糊支持向量机可改进的方向 | 第35页 |
| ·基于平均密度加权的模糊隶属度 | 第35-37页 |
| ·模糊支持向量机分类器 | 第37页 |
| ·本章小结 | 第37-38页 |
| 5 加权的模糊支持向量机在入侵检测系统中的应用 | 第38-43页 |
| ·网络入侵特征 | 第38-39页 |
| ·基于加权的模糊支持向量机分类器的网络入侵检测实验 | 第39-41页 |
| ·实验结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 6 结论与展望 | 第43-44页 |
| ·结论 | 第43页 |
| ·今后工作的展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录 | 第47-48页 |
| 致谢 | 第48页 |