基于粗糙集與支持向量機(jī)的入侵檢測研究.pdf

1、本論文研究的目標(biāo)是將粗糙集和支持向量機(jī)相結(jié)合應(yīng)用到入侵檢測系統(tǒng)中以提高入侵檢測的檢測正確率，降低誤報率和漏報率。為此，論文主要做了以下工作：
　　 (1)介紹了入侵檢測系統(tǒng)的概念與意義，介紹了幾種新的入侵檢測方法，分析了現(xiàn)有入侵檢測系統(tǒng)中存在的問題并對入侵檢測技術(shù)的發(fā)展方向作展望；
　　 (2)將粗糙集理論知識應(yīng)用到特征屬性約簡中，應(yīng)用粗糙集理論簡化訓(xùn)練樣本數(shù)據(jù)集，分析對象集的增加與屬性約簡的變化關(guān)系；
　　 (

2、3)將支持向量機(jī)應(yīng)用于入侵檢測，針對小樣本問題對數(shù)據(jù)進(jìn)行采樣，減小訓(xùn)練數(shù)據(jù)的規(guī)模；將增量學(xué)習(xí)應(yīng)用在入侵檢測SVM(支持向量機(jī))分類器中，減少了存儲空間的占用并減少了后續(xù)訓(xùn)練的時間；
　　 (4)提出一種增量式絕對屬性約簡算法，將增量學(xué)習(xí)應(yīng)用到入侵檢測系統(tǒng)中，大大提高了系統(tǒng)的自學(xué)習(xí)性與自適應(yīng)性及魯棒性，實(shí)驗(yàn)表明該約簡算法在效率上較現(xiàn)有算法有明顯提高。
　　 (5)給出一種基于粗糙集和Online-SVM結(jié)合的入侵檢測規(guī)則提