基于SVM的入侵检测性能改进研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景 | 第10页 |
| ·论文提出的必要性和意义 | 第10-11页 |
| ·论文的内容和介绍 | 第11-13页 |
| 第二章 入侵检测系统的研究 | 第13-18页 |
| ·入侵检测的概念 | 第13页 |
| ·入侵检测系统的框架 | 第13-14页 |
| ·入侵检测的分类 | 第14-15页 |
| ·入侵检测的过程 | 第15-16页 |
| ·入侵检测的发展趋势 | 第16-17页 |
| ·入侵检测存在的问题 | 第16-17页 |
| ·入侵检测的发展前景 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 支持向量机与粒子群算法 | 第18-27页 |
| ·支持向量机概述 | 第18-24页 |
| ·VC 维 | 第18-19页 |
| ·结构风险最小化 | 第19-20页 |
| ·最优分类超平面 | 第20-22页 |
| ·核函数 | 第22-23页 |
| ·支持向量机的优点 | 第23-24页 |
| ·粒子群优化算法 | 第24-26页 |
| ·粒子群算法的基本原理 | 第24-25页 |
| ·粒子群优化算法实现 | 第25-26页 |
| ·有关改进的PSO | 第26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于SVM 的网络入侵检测系统的设计 | 第27-30页 |
| ·系统总体结构 | 第27页 |
| ·数据采集模块 | 第27-28页 |
| ·数据处理模块 | 第28页 |
| ·SVM 训练模块 | 第28页 |
| ·SVM 检测模块 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第五章 提高基于SVM 入侵检测性能的实验研究 | 第30-50页 |
| ·数据集 | 第30-32页 |
| ·数据集简介 | 第30-31页 |
| ·数据归一化处理 | 第31-32页 |
| ·核函数类型的选择 | 第32-34页 |
| ·参数的优化 | 第34-38页 |
| ·关键特征的提取 | 第38-45页 |
| ·参数和关键特征的联合优化 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 结束语 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 附录A:攻读学位期间所发表的学术论文目录 | 第55-56页 |
| 附录B:改进的PSO-SVM 核心代码 | 第56-60页 |
