基于倒转二叉树的FSVM入侵检测算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·支持向量机理论 | 第9页 |
| ·入侵检测理论 | 第9-10页 |
| ·入侵检测研究现状 | 第10-11页 |
| ·课题研究的目的和意义 | 第11页 |
| ·论文主要工作和创新 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 入侵检测与支持向量机概述 | 第13-28页 |
| ·入侵检测 | 第13-16页 |
| ·入侵检测系统概述 | 第13页 |
| ·入侵检测系统功能 | 第13-14页 |
| ·入侵检测系统分类 | 第14-16页 |
| ·支持向量机 | 第16-27页 |
| ·统计学习理论 | 第16-20页 |
| ·支持向量机算法 | 第20-25页 |
| ·核函数 | 第25-27页 |
| ·本章 小结 | 第27-28页 |
| 第三章 特征选择和入侵检测数据预处理 | 第28-40页 |
| ·特征选择 | 第28-33页 |
| ·特征选择概念 | 第28-29页 |
| ·特征选择与学习算法的关系 | 第29页 |
| ·典型特征选择算法 | 第29-31页 |
| ·适用于入侵检测的分步特征选择算法 | 第31-33页 |
| ·入侵检测性能标准与数据分析 | 第33-39页 |
| ·入侵检测性能标准 | 第33-34页 |
| ·入侵检测数据分析 | 第34-36页 |
| ·入侵检测数据预处理 | 第36-37页 |
| ·实验及分析 | 第37-39页 |
| ·本章 小结 | 第39-40页 |
| 第四章 基于二叉树的支持向量机入侵检测算法 | 第40-48页 |
| ·多类分类支持向量机 | 第40-43页 |
| ·1-v-1 SVMs | 第40页 |
| ·1-v-r SVMs | 第40-41页 |
| ·决策导向非循环图SVMs | 第41页 |
| ·基于二叉树的SVMs | 第41-43页 |
| ·基于二叉树的支持向量机入侵检测算法 | 第43-47页 |
| ·基于核函数的类分离判据 | 第43-44页 |
| ·倒转二叉树构造方法 | 第44-46页 |
| ·实验及分析 | 第46-47页 |
| ·本章 小结 | 第47-48页 |
| 第五章 基于倒转二叉树的FSVM 入侵检测算法 | 第48-59页 |
| ·模糊支持向量机 | 第48-51页 |
| ·模糊计算理论 | 第48页 |
| ·模糊支持向量机 | 第48-50页 |
| ·隶属度函数 | 第50-51页 |
| ·混合隶属度 | 第51-54页 |
| ·基于类中心距离的隶属度 | 第51-52页 |
| ·KNN 去噪隶属度 | 第52-53页 |
| ·混合隶属度 | 第53页 |
| ·实验及分析 | 第53-54页 |
| ·基于混合隶属度的FSVM | 第54-58页 |
| ·算法描述 | 第54-55页 |
| ·实验及分析 | 第55-58页 |
| ·本章 小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |
