收藏本站
《大连海事大学》 2004年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机算法及其在网络入侵检测中的应用

贾银山  
【摘要】:支持向量机作为一种新的机器学习方法,是近40年统计学习理论研究成果的结晶,具有训练样本少、推广能力好、全局最优以及广泛的适用性等优点,已被应用于模式识别、信号处理、控制系统等多个领域,并取得极好的效果。此外,通过选择或设计不同的核函数,支持向量机还可被用来产生各种机器学习网络,如RBF网络,FF神经网络等。支持向量机克服了在使用其它学习方法时遇到的一些问题,如局部最优、参数复杂、结果不稳定等。由于支持向量机潜在的应用价值,吸引了国际上众多的知名学者,出现了很多发展和改进的支持向量机。如自适应支持向量机、模糊支持向量机、加权支持向量机,超球面支持向量机等。 随着计算机网络规模的扩大及网络攻击行为的泛滥,网络安全成为一个倍受关注的焦点,并成为国家安全的重要组成部分。入侵检测作为保护网络安全的重要的技术手段,正受到越来越多的网络用户及网络安全研究人员的青睐。在交通运输领域,入侵检测系统同样具有重大的应用价值。以计算机网络为基本框架的智能运输系统、船舶信息管理系统、船舶监控系统等信息系统,虽然其所存储的信息可能不涉及国家机密,但其网络的安全直接关系到系统运行是否可靠,进而关系到车辆运输、船舶航行的安全。 入侵检测实质上是一个模式识别问题,利用支持向量机进行建模,不仪可以解决在建立入侵检测模型时因无法收集所有入侵样本而导致的模型推广性能差的问题,而且可以提高入侵检测检测率,降低漏报率和误报率,提高入侵检测系统的实用性。 本文详细研究了支持向量机的理论,分析了当前一些支持向量机算法的性能,指出了存在的缺陷,并提出了四种新的算法。另外,本文还研究了入侵检测的基本理论,并根据入侵检测和支持向量机的特点,提出了一种组合式并行入侵检测模型。 本文的创新性研究工作包括: (1) 针对C-SVM和v-SVM的错误偏差问题和对重要样本存在的错分问题,提出两种具有类加权利样本加权功能的支持向量机算法,并分析了它们的分类性能。C-SVM和v-SVM在训练时的分类错误率倾向于较小的样本类,即较小样本
【学位授予单位】:大连海事大学
【学位级别】:博士
【学位授予年份】:2004
【分类号】:TP393.08

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 王安娜;李云路;赵锋云;史成龙;;一种新的半监督直推式支持向量机分类算法[J];仪器仪表学报;2011年07期
2 邝涛;张倩;;改进支持向量机在电信客户流失预测的应用[J];计算机仿真;2011年07期
3 李玲俐;;数据挖掘中分类算法综述[J];重庆师范大学学报(自然科学版);2011年04期
4 倪煜;赵耀;朱振峰;;结合标签传递的镜头边界检测与分类[J];中国图象图形学报;2011年06期
5 邝神芬;李银;;集群SVM大规模数据分类算法[J];韶关学院学报;2011年08期
6 贾昱晟;;基于机器学习的中文文本分类技术研究[J];电脑知识与技术;2011年21期
7 刘健;刘忠;;基于小波变换和支持向量机的水下目标分类方法[J];火力与指挥控制;2011年09期
8 陈荣;曹永锋;孙洪;;基于主动学习和半监督学习的多类图像分类[J];自动化学报;2011年08期
9 周靖;;改进偏二叉树多类SVM的文本分类[J];广东石油化工学院学报;2011年04期
10 王伟;马永强;彭强;;SVM多类分类器在车牌字符识别中的应用[J];计算机工程与设计;2011年09期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 高红霞;蔡锦龙;;基于支持向量机的印刷电路板焊点分类算法[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
6 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
7 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
8 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
9 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
10 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
中国重要报纸全文数据库 前10条
1 ;SecuiWALL独创分类算法[N];计算机世界;2002年
2 俞路石;中科大研究生解决网络数据包有效分类算法[N];中国教育报;2007年
3 ;锐捷RG-WALL系列防火墙[N];电脑商报;2004年
4 中国科学院东北地理与农业生态研究所 李建平;保护地球之肾 遥感体检湿地健康[N];中国水利报;2008年
5 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
6 李水根;计算机详解配伍与药效关系[N];健康报;2005年
7 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
8 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
9 ;百兆防火墙[N];计算机世界;2002年
10 ;MaxNet:本土化贴合市场[N];网络世界;2008年
中国博士学位论文全文数据库 前10条
1 秦玉平;基于支持向量机的文本分类算法研究[D];大连理工大学;2008年
2 陈万海;基于支持向量机的超谱图像分类技术研究[D];哈尔滨工程大学;2008年
3 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
4 王冬丽;基于可扩展的支持向量机分类算法及在信用评级中的应用[D];东华大学;2011年
5 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
6 韩晓明;基于符号有向图和支持向量机的故障诊断方法的研究[D];太原理工大学;2011年
7 贾银山;支持向量机算法及其在网络入侵检测中的应用[D];大连海事大学;2004年
8 刘宏兵;多目标粒度支持向量机及其应用研究[D];武汉理工大学;2011年
9 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
10 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
中国硕士学位论文全文数据库 前10条
1 冯洪海;基于粗糙集和支持向量机的多值分类算法[D];河北农业大学;2002年
2 张永利;基于支持向量机的信息融合技术研究及应用[D];西安科技大学;2008年
3 刘治国;支持向量机算法在TM多光谱图像分类中的应用与实现[D];中国地质大学(北京);2006年
4 王逸欣;基于支持向量机技术的人脸检测与识别系统研究[D];国防科学技术大学;2003年
5 张晶晶;多类分类支持向量机在信用评级领域的应用及核参数选择研究[D];厦门大学;2009年
6 李强;基于支持向量机的文本分类方法研究[D];西安科技大学;2009年
7 王震;基于双重支持向量机的分类算法研究[D];吉林大学;2010年
8 牛洪琦;空间数据挖掘分类算法的研究[D];大连海事大学;2006年
9 荣光;中文文本分类方法研究[D];山东师范大学;2009年
10 张伟;一种基于解析中心割平面法的分类算法[D];大连理工大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026