基于支持向量机的入侵检测算法研究

内容简介

《博士文库云南民族大学学术文库：基于支持向量机的入侵检测算法研究》介绍了：人侵检测系统的基本概念与检测技术，对入侵检测的核心技术——检测算法进行了深入、系统地研究。主要利用支持向量机在解决小样本、非线性及高维问题时所具有的良好性能，来对入侵行为进行高速检测。在此基础上，充分考虑入侵检测环境中的单点失效问题、多个检测器的协作问题，将集成学习、人工免疫等新兴技术引入到入侵检测环境中，从而提高检测精度和入侵检测系统的鲁棒性。
　　《博士文库云南民族大学学术文库：基于支持向量机的入侵检测算法研究》针对有计算机、信息科学、通信技术基础的中、读者，适合从事网络信息安全、人工智能、数据挖掘的研究人员，以及高校计算机、信息科学、通信等专业本科生和研究生参考使用。

摘要与插图

附录：支持向量机的研究进展
　　本附录内容主要节选自文献：
　　汪廷华，支持向量机模型选择研究[D].北京：北京交通大学，2010.
　　支持向量机作为一种新兴的基于统计学习理论的核方法，自提出以来已经得到了广泛深入的研究，其中具有代表意义的工作包括理论基础及其扩展、支持向量机的训练、支持向量机的扩展、模型选择与核函数的研究、支持向量机的应用五个方面。下面分别就这些方面进行概述。
　　1.理论基础及其扩展
　　以Vapnik为代表的AT&T中一个的研究小组做出了大量的开创性的贡献。他们的主要工作包括：奠定了统计学习理论的基础，提出了支持向量机的概念，并且将其成功地推广到回归问题。统计学习理论通过引入结构风险实现对目标函数集的控制，使学习机在经验风险和学习机的复杂度之间取得一个折中，这样可以获得较好的泛化能力。VC维是统计学习中的一个核心的概念，它描述了函数集或学习机的复杂性，是学习能力的一个重要指标，由它可以引申出关于统计学习的一致性、收敛速度、泛化性能等重要结论。但遗憾的是，它至今未能给出完善的定义和统一的计算方法。此外，对学习机泛化性能的一般条件的研究也还远未完善。有关这方面的研究将成为统计学习理论的核心和难点所在。
　　除了统计学习理论之外，许多学者还力图引入其他方面的理论对支持向量机进行分析。这些理论包括正则化理论、贝叶斯理论等。正则化理论强调用一个“平滑”的函数去逼近一个未知函数。对于两个具有相同逼近误差的曲线，正则化理论认为越光滑的越好。
　　……