基于支持向量机的入侵检测系统与实现毕业（论文）设计.docVIP

毕 业 论 文（设 计） 题 目基于支持向量机的入侵检测系统与实现 姓 名 端乐凯 学号 1109064004 所在院(系) 数学与计算机科学学院 专业班级 信息与计算科学1101班 指导教师 赵晖 完成地点 陕西理工学院 2015年 6 月6日基于支持向量机的入侵检测(SVM)，同时控制经验风险和分类器的容量（用分类器的VC维衡量）两个参数是其核心思想，使分类器间隔达到最大，从而使真实风险最小。另外，在小样本学习的基础上发展起来的支持向量机分类器设计方法，专门针对小样本数据，并且对数据维数不敏感，分类精度和泛化能力极佳。本设计重点介绍了支持向量机的基本原理，同时也介绍了它的长处和不足。 首先，本设计考虑到大量冗余、噪声以及部分连续是入侵检测数据的特征，又为了提升网络检测的成效，因此，运用邻域粗糙集模型应用于对入侵数据的属性约简。该方法不需要将原数据离散化，这样就保证了入侵检测的准确性和原始数据的信息完整性。 其次在分类中我们又使用了和声搜索算法进行优化。经过