封面
声明
中文摘要
英文摘要
目录
第一章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.3 论文安排
第二章 最小最大模块化支持向量机
2.1 任务分解方法
2.2 M3 网络的集成
2.3 支持向量机(support vector machine)
2.4 本章小结
第三章 最小最大模块化网络中基于聚类的数据划分方法
3.1 聚类(clustering)
3.2 最小最大模块化网络中已经用到的数据划分方法
5.1 计算
5.2 更新各个簇的中心向量
3.3 实验中最小最大模块化网络使用的样本集划分方法
3.4 本章小结
第四章 M3-SVM 中二分 K-means 的数据划分方法
4.1 K-means 算法
4.2 二分 K-means 算法(Bisecting K-means)
4.3 算法的性能分析
4.4 基于二分 K-means 聚类算法的 M3-SVM
4.5 本章小结
第五章 M3-SVM 中基于均衡化函数的二分 K-means 数据划分
5.1 聚类准则函数
5.2 M3-SVM 中基于均衡化函数的二分 K-means
5.3 实验结果与分析
5.4 本章小结
第六章 最小最大模块化支持向量机在入侵检测中的应用
6.1 入侵检测
6.2 KDD CUP99 入侵检测数据集
6.3 实验结果与分析
6.4 本章小结
第七章 总结与展望
7.1 本文的主要工作
7.2 进一步的研究工作
致谢
参考文献
攻读硕士学位期间的学术成果
攻读硕士学位期间参加的科研项目
南京邮电大学;