支持向量機算法及其在入侵檢測中的應(yīng)用.pdf

1、支持向量機是一種重要的機器學(xué)習方法，且具有良好的泛化能力，因此，該方法的研究引起了國內(nèi)外學(xué)者的廣泛關(guān)注，并提出了很多不同的支持向量機算法，然而這些方法卻存在對噪聲敏感、訓(xùn)練時間長且易引起過擬合等問題。為了解決支持向量機中存在的問題，研究人員通過考慮每個樣本的不同作用，或基于近鄰支持向量機的思想，以此提高支持向量機的泛化能力。另一方面，隨著計算機網(wǎng)絡(luò)的廣泛使用和網(wǎng)絡(luò)之間信息傳輸量的急劇增長，許多機構(gòu)和部門數(shù)據(jù)的安全性受到了嚴重的威脅，如何

2、阻止網(wǎng)絡(luò)黑客的入侵，保證計算機和網(wǎng)絡(luò)系統(tǒng)的安全成為網(wǎng)絡(luò)管理員所面臨的一個重要問題。
　　目前，支持向量機作為一種機器學(xué)習方法已經(jīng)用于入侵檢測，但由于傳統(tǒng)支持向量機方法存在一些缺陷，使得該方法用于入侵檢測的效果并不明顯。針對這種情況，有必要研究更好的支持向量機算法，以便進一步提高入侵檢測系統(tǒng)的性能。
　　本文借鑒模糊支持向量機的思想，針對 v-SVM和孿生支持向量機，研究了基于模糊方法的支持向量機和孿生支持向量機，以及它們在入

3、侵檢測問題中的應(yīng)用。具體研究內(nèi)容如下：
　　1.將模糊方法應(yīng)用于 v-SVM中，給出了模糊加權(quán)的支持向量機算法 v-FSVM；針對支持向量機的二次規(guī)劃的對偶問題，利用超松弛迭代技術(shù)，給出了求解該問題的一般迭代方法。
　　2.將模糊方法引入到孿生支持向量機 v-TSVM中，通過對每個樣本進行模糊隸屬值的加權(quán)，給出了模糊加權(quán)的孿生支持向量機對應(yīng)的二次規(guī)劃問題，通過求解該優(yōu)化問題，獲得了兩個非平行分類面，給出了基于模糊加權(quán)的孿生支