| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的组织结构 | 第12-14页 |
| 2 入侵检测技术 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 IDS的作用与分类 | 第14-18页 |
| 2.3 入侵检测存在的问题与发展方向 | 第18-20页 |
| 2.4 小结 | 第20-22页 |
| 3 支持向量机算法概述 | 第22-30页 |
| 3.1 引言 | 第22页 |
| 3.2 支持向量机的统计学基础 | 第22-25页 |
| 3.2.1 VC维 | 第22页 |
| 3.2.2 泛化误差的界限 | 第22-24页 |
| 3.2.3 结构风险最小化原理 | 第24-25页 |
| 3.3 支持向量机 | 第25-28页 |
| 3.3.1 最优超平面 | 第26-27页 |
| 3.3.2 支持向量机及其核函数 | 第27-28页 |
| 3.4 小结 | 第28-30页 |
| 4 基于LE‐CV‐SVM的入侵检测算法 | 第30-48页 |
| 4.1 引言 | 第30页 |
| 4.2 流形学习的预备知识 | 第30-38页 |
| 4.2.1 流形学习的现状 | 第31-34页 |
| 4.2.2 流形学习的相关算法 | 第34-38页 |
| 4.3 LE‐CV‐SVM算法模型 | 第38-40页 |
| 4.4 基于LE‐CV‐SVM的入侵检测算法 | 第40-42页 |
| 4.4.1 流形学习算法 | 第40页 |
| 4.4.2 参数优化的SVM算法 | 第40-42页 |
| 4.5 仿真实验与结果分析 | 第42-46页 |
| 4.6 小结 | 第46-48页 |
| 5 改进的MDS‐GA‐SVM的入侵检测算法 | 第48-59页 |
| 5.1 引言 | 第48页 |
| 5.2 改进的MDS‐GA‐SVM的入侵检测算法模型 | 第48-50页 |
| 5.3 改进的MDS‐GA‐SVM的入侵检测算法 | 第50-54页 |
| 5.3.1 降维算法 | 第50-51页 |
| 5.3.2 参数优化的SVM算法以及SVM核函数的改进 | 第51-54页 |
| 5.4 仿真实验与结果分析 | 第54-56页 |
| 5.5 LE‐CV‐SVM入侵检测算法和改进的MDS‐GA‐SVM入侵检测算法的比较 | 第56-57页 |
| 5.6 小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间取得的科研成果清单 | 第66页 |
