文档介绍：超球结构支持向量机的研究与应用广东工业大学硕士学位论文房小兆副麴援让簋扭廑且拉苤让箕扭堂院星缒分类号:学校代号:韭巍学科ㄒ或领域名称:论文答辩日期:密级:学号:指导教师姓名、职称:学生所属学院:ぱ妒
㈣哪Ⅲ洲Ⅲ⋯篎:.珿。瓹。¨叶¨¨¨¨■■●
摘要应用。但是支持向量机有一个十分明显的缺点是训练阶段以及测试阶段都需要花费大量的时间。这些缺点限制了支持向量机的应用,特别是对时间要求严格的应用,例如传统支持向量机的上述缺点,其思想是对于每一类的样本,首先用一个较小的超球包裹斯核函数校镜阍谠淙胩卣骺占渲斜冉厦芗庇成涞礁呶占浜螅镜了蚪峁苟嗬嘀С窒蛄炕瓾年,痩】首先提出了支持向量机砺郏墙峁狗缦栈准则的具体实现,且具有结构简单、全局最优以及泛化能力强的优点,特别是在解决小样本、非线性和高维模式中表现出特别的优势。因此该技术在许多领域得到成功的入侵检测,它最大的要求就是能做到实时性,即对网络数据做出及时的决策,进而及时地制止入侵行为。要想将支持向量机成功的应用到入侵检测,上面的缺点必须要得到解决,使之能做到实时决策。超球结构支持向量机谝欢ǔ潭壬细慕样本,允许偏远的离群点位于超球的外部。然后通过度量一个新样本与超球的球心距离来判断该新样本是否属于该类。考虑用一个较小的超球来包裹样本,且允许远离球心的偏远样本点落在球体外部。但是现实情况是在大多数基于距离方程的核函数绺会变的非常稀疏。这就直接导致了包裹样本的超球必须增大,超球的重叠数目增加,进而降低了分类准确率。本文将从两个方面对蚪峁苟嗬嘀С窒蛄炕改进,一是在原目标函数中增加一个参数,使超球尽可能多地包裹靠近球心的样本。二是通过构造映射密集型核函数使样本点经过非线性映射后仍能保持紧凑,从而减少对重叠区域的判断。最后给出了基于谒惴某蛑氐蚺卸纤惴ā要工作如下:煤四:劾嗨惴ǎ岢隽嘶诹ナ舳鹊难驹ぱ∪》椒ā@靡欢ǖ牧ナ度间隔,选取靠近支持向量机分类超平面的样本来训练分类模型。该方法不仅能够较大地减少训练和测试时间,而且分类准确率毫不逊于利用全部样本训练所得到的分类模型。谀勘旰秃撕∈栊粤礁龇矫娑猿蚪峁怪С窒蛄炕辛烁慕岢。实验验证了该方法要主
:支持向量机;超球结构支持向量机;核模糊聚类;检测代理优于同类算法。检测方法,仿真实验表明:该方法比单一的检测代理检测率高、检测时间少。广东工业大学硕士学位论文Ⅱ
—.琲.,.,.痠,【.琯猻..甌,甌.;、析,瓸瑃..瓼.
,..說:,籬广东工业大学硕士学住论文甅甌,.瓵簊;
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.国内外研究进展以及现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.论文组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。统计学习理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~.窍咝灾С窒蛄炕第三章超球结构支持向量机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于隶属度的样本预选取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.超球结构多类支持向量机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...蛑氐蚺卸纤惴ā摘要....⋯⋯...⋯...⋯⋯..⋯.⋯⋯⋯....⋯⋯......⋯....⋯⋯..⋯....⋯...⋯.......⋯⋯...⋯⋯.....⋯.....⋯⋯..........研究背景与研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。第二章背景知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.榉缦兆钚』支持向量机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.咝灾С窒蛄炕支持向量机分类算法的优点与缺点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯核模糊稻劾唷实验结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.笛槭萁樯堋维⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯...⋯...⋯⋯..⋯.⋯⋯⋯...⋯⋯......⋯....⋯⋯.⋯.....⋯⋯.⋯.......⋯.....⋯⋯.....⋯..⋯⋯.⋯.......
第四章基于蚪峁怪С窒蛄炕男肭旨觳狻协同入侵检测模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。实验结果与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文主要工作与贡献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯对下一步的思考⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参