首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文

超球体多类支持向量机及其在DDoS攻击检测中的应用

摘要第1-10页
Abstract第10-14页
目录第14-17页
第1章 绪论第17-30页
   ·研究背景和意义第17-25页
     ·网络安全现状第17-22页
     ·分布式拒绝服务攻击第22-25页
     ·僵尸网络第25页
   ·DDoS攻击检测算法的研究现状第25-28页
   ·本文的主要工作和组织结构第28-30页
第2章 单边连接密度第30-44页
   ·单边连接密度的概念第30-33页
   ·单边连接密度序列的时间序列分析第33-39页
     ·正常流 OWCD序列的统计特性第35-38页
     ·攻击流 OWCD序列的统计特性第38-39页
   ·与相关工作的比较第39-42页
   ·使用 OWCD的限制第42页
   ·小结第42-44页
第3章 支持向量机理论第44-84页
   ·机器学习理论概述第44-48页
   ·统计学习理论第48-56页
     ·学习问题的表示第49-50页
     ·学习过程的一致性理论第50-52页
     ·学习机器推广能力理论第52-55页
     ·控制学习过程的推广能力的理论第55-56页
   ·支持向量分类机第56-77页
     ·分类原理第56-66页
     ·训练算法第66-71页
     ·工作集选择第71-76页
     ·SVM的学习误差理论界第76-77页
   ·多类支持向量机第77-83页
     ·多类目标法第77-78页
     ·一类对余类第78页
     ·一类对一类第78-79页
     ·纠错编码法第79-80页
     ·有向无环图法第80-81页
     ·层次 SVM第81-82页
     ·决策树 SVM第82-83页
   ·小结第83-84页
第4章 超球体多类支持向量机第84-107页
   ·基于超球体的单类支持向量机第84-86页
   ·基于超球体的多类支持向量机第86-88页
   ·HSMC-SVM的训练算法第88-95页
   ·工作集选择第95-99页
     ·停止条件第95-96页
     ·二阶逼近工作集选择第96-98页
     ·缩减策略第98-99页
   ·判决算法第99-100页
   ·HSMC-SVM的推广误差上界第100-102页
   ·数值实验第102-106页
   ·小结第106-107页
第5章 最小二乘超球多类支持向量机第107-123页
   ·最小二乘支持向量机第107-110页
   ·LSHS-MCSVM的分类原理第110-112页
   ·LSHS-MCSVM的训练算法第112-118页
     ·LSHS-MCSVM的SMO训练算法第112-114页
     ·工作集选择第114-116页
     ·迭代停止条件第116-117页
     ·稀疏性分析第117-118页
   ·LSHS-MCSVM的判决规则第118页
   ·LSHS-MCSVM的训练误差界第118页
   ·HSMC-SVM与LSHS-MCSVM的区别第118-119页
   ·数值实验第119-122页
   ·小结第122-123页
第6章 基于超球体多类分类器的DDoS攻击检测第123-146页
   ·特征向量的选取第124-133页
     ·概述第124-126页
     ·类别可分离性判据第126-128页
     ·RV特征向量第128-132页
     ·RV特征的辨识能力分析第132-133页
   ·实验数据的采集第133页
   ·用 HSMC-SVM检测 DDoS攻击第133-137页
   ·用 LSHS-MCSVM检测 DDoS攻击第137-139页
   ·响应时间分析第139-143页
   ·与其他检测方法的功能比较第143-144页
   ·小结第144-146页
第7章 结论与展望第146-150页
   ·结论第146-149页
   ·研究工作展望第149-150页
致谢第150-151页
参考文献第151-163页
攻读学位期间录用和发表的论文第163-164页
附录 英文缩写词对照表第164-165页

论文共165页,点击 下载论文
上一篇:事故车辆技术状况智能鉴定系统研究
下一篇:复杂体制雷达辐射源信号时频原子特征研究