学位论文 > 优秀研究生学位论文题录展示

危险因素辨识及其演化方法研究

作　者: 郑辉
导　师: 黄光球
学　校: 西安建筑科技大学
专　业: 系统工程
关键词: 支持向量机 特征抽取 核主成分分析 组合核函数
分类号: TP393.08
类　型: 硕士论文
年　份: 2009年
下　载: 22次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着计算机网络的飞速发展和人类对网络的依赖程度的增加,病毒和网络攻击等网络危险因素也日益泛滥,网络安全问题逐渐受到人类的重视,成为当前网络发展的重要课题。支持向量机理论是由Vapnik等人于1995年提出的,它是基于统计学习理论的机器学习算法,通过结构风险最小化原则来最小化实际风险,在处理高维小样本数据时,具有泛化能力强等突出优点,在模式识别特别是入侵检测等领域都得到了广泛的应用。本文首先分析了基于支持向量机的检测模型的基本情况,针对此模型的时间复杂度过高的缺点,引入常用的特征抽取技术核主成分分析技术,提出基于KPCA的SVM检测模型,通过KPCA对原始空间中的数据进行特征提取,选取部分主要成分,除去特征中的冗余信息,降低了特征维数,在检测效率的少量下降的代价下,明显提高了时间效率。鉴于核函数对支持向量机的重要性以及当前核函数的发展,在支持向量机中采用组合核函数的思想,将多项式核函数和径向基核函数组合形成组合核函数,提出了基于KPCA的组合核函数SVM检测模型,以期待能够获取更好的检测性能,并使用KDDCUP99数据集进行试验验证,表明该模型与基于KPCA的SVM检测模型相比,检测效率稍好,但时间效率有些许下降,总体来说两者性能基本相当,但本模型明显具有更好的泛化能力和稳定性。

全文目录


摘要  3-4
Abstract  4-7
第一章 绪论  7-11
  1.1 研究背景及意义  7-8
  1.2 当前的研究现状  8-9
  1.3 论文的研究内容和组织结构  9-11
    1.3.1 论文的研究内容  9-10
    1.3.2 论文的组织结构  10-11
第二章 基于SVM的检测模型  11-20
  2.1 支持向量机  11-15
    2.1.1 最优超平面  11-12
    2.1.2 线性可分最优超平面的构建  12-13
    2.1.3 非线性可分最优超平面的构建  13-15
  2.2 非线性支持向量机  15-17
  2.3 支持向量机的训练算法  17
  2.4 模型的基本结构  17-19
    2.4.1 模型的流程框架  17-18
    2.4.2 模型各部分基本功能  18-19
    2.4.3 模型的评价  19
  2.5 小结  19-20
第三章 基于KPCA的SVM检测模型  20-28
  3.1 主成分分析  20-23
    3.1.1 主成分分析的概念及发展情况  20-21
    3.1.2 主成分分析数学描述  21-23
  3.2 核主成分分析  23-26
    3.2.1 核方法的理论介绍  23-24
    3.2.2 核主成分分析介绍  24-26
    3.2.3 主成分分析PCA与核主成分分析KPCA的对比  26
  3.3 模型的基本结构  26-27
    3.3.1 模型的流程框架  26
    3.3.2 模型的描述  26-27
    3.3.3 模型的评价  27
  3.4 小结  27-28
第四章 基于KPCA的组合核函数SVM检测模型  28-37
  4.1 核函数的选择和构造  28-32
    4.1.1 核函数  28-29
    4.1.2 构造核函数的条件  29-30
    4.1.3 构造核函数的方法  30-31
    4.1.4 常用核函数  31-32
  4.2 组合核函数  32-35
    4.2.1 全局核函数和局部核函数  32-34
    4.2.2 组合核函数  34-35
  4.3 模型的基本结构  35-36
    4.3.1 模型的流程框架  35
    4.3.2 模型的介绍  35-36
    4.3.3 模型的评价  36
  4.4 小结  36-37
第五章 实验及结果分析  37-46
  5.1 实验流程  37
  5.2 实验数据准备  37-41
    5.2.1 数据采集  37-40
    5.2.2 数据预处理  40-41
  5.3 实验及结论  41-45
    5.3.1 数据选择  41-42
    5.3.2 基于C-SVM的检测模型  42-43
    5.3.3 基于KPCA的SVM检测模型  43-44
    5.3.4 基于KPCA的组合核函数SVM检测模型  44-45
  5.4 小结  45-46
第六章 总结与展望  46-47
致谢  47-48
参考文献  48-51
作者在读研期间的研究成果  51

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  5. 音乐结构自动分析研究,TN912.3
  6. 基于三维重建的焊点质量分类方法研究,TP391.41
  7. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  8. 基于支持向量机的故障诊断方法研究,TP18
  9. LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
  10. 基于统计结构的联机手写藏文识别特征抽取研究,TP391.41
  11. 动力灾害煤炭资源开采危险程度预测方法,TD713
  12. 大样本支持向量机研究,TP18
  13. 基于聚类的英汉人名消歧研究,TP391.1
  14. 基于混沌支持向量机的采动地表变形分析及预计模型研究,TD325
  15. 手背静脉图像的分类和匹配技术研究,TP391.41
  16. 基于支持向量机（SVM）理论的个人信用评估研究,TP18
  17. SAR成像目标识别子区选取与匹配方法研究,TN957.52
  18. 车牌识别系统中字符识别技术的研究,TP391.41
  19. 遗传算法的若干改进及其在支持向量机中的应用研究,TP18
  20. 基于多分类支持向量机的选股模型研究,F224
  21. 高光谱遥感图像异常目标检测算法研究,TP751

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络安全
© 2012 www.xueweilunwen.com