文摘
英文文摘
声明
1 绪论
1.1 选题的背景和意义
1.2 研究现状与应用
1.3 目前存在的问题
1.4 本文的主要工作
2 入侵检测技术概述
2.1 入侵检测的概念
2.2 入侵检测系统的基本组成
2.3 入侵检测的原理及作用
2.4 入侵检测系统的分类
2.4.1 按照信息源的分类
2.4.2 按照检测方法的分类
2.5 先进的入侵检测技术
2.5.1 神经网络技术应用于入侵检测领域
2.5.2 数据挖掘技术应用于入侵检测领域
2.5.3 数据融合与入侵检测技术
2.5.4 计算机免疫学与入侵检测技术
3 聚类分析概述
3.1 聚类分析简介
3.2 聚类分析算法的基本步骤
3.3 主要聚类方法的分类
3.4 本文使用的聚类算法--K-means
3.4.1 K-means算法的基本步骤
3.4.2 K-means算法的原理
4 K-means和TASVM以及特征选择算法在入侵检测系统中的研究
4.1 论文解决的问题
4.1.1 特征选择
4.1.2 高维特征向量的处理
4.1.3 融合无监督学习与监督学习的算法
4.2 特征选择
4.2.1 数据约减的几种方式
4.2.2 特征选择的必要性
4.2.3 特征选择在入侵检测中的应用
4.2.4 特征选择的几种算法
4.2.5 本文使用的特征选择算法
4.3 基于三角形面积的支持向量机算法(TASVM)
4.3.1 基于三角形面积的方法
4.3.2 改进后的基于三角形面积的支持向量机算法--TASVM
4.4 支持向量机(SVM)
4.4.1 统计学习理论的简介
4.4.2 支持向量机的相关概念与原理
5 K-means,TASVM与特征选择算法在入侵检测系统中的性能实验分析
5.1 KDD Cup 1999数据集
5.2 对比实验
结 论
参考文献
攻读硕士学位期间发表学术论文情况
致 谢