一种改进孪生支持向量机算法及其在网络入侵检测的应用

《一种改进孪生支持向量机算法及其在网络入侵检测的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、暨南大学硕士学位论文题名：一种改进孪生支持向量机算法及其在网络入侵检测的应用AnImprovedTwinSupportVectorMachineAlgorithmanditsApplicationinNetworkIntrusionDetection作者姓名：钟盛开指导教师姓名及学位、职称：张培爱、博士、副教授学科、专业名称：数学、运筹学与控制论学位类型：学术学位论文提交日期：2016年6月论文答辩日期：2016年5月25日答辩委员会主席：李进论文评阅人：李进、樊锁海学位授予单位和日期：暨南大学、2016年6月26日独创性声明本人声明所呈交的学位论文是

2、本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得暨南大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解暨南大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权暨南大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描

3、等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日学位论文作者毕业后去向：工作单位：电话：通讯地址：邮编：暨南大学硕士学位论文一种改进孪生支持向量机算法及其在网络入侵检测的应用摘要随着互联网技术的发展与网络的普及，网络入侵检测问题得到越来越多的关注。分类算法开始广泛应用至网络入侵检测模型中，基于孪生支持向量机原理的各种新型算法也逐渐成为研究网络入侵检测的热点。最小二乘孪生多类别支持向量机分类器(LeastSquaredTwinK-classSupportVectorClass

4、ification,LST-KSVC)在解决多分类问题上具有运行速度快的优点，但其采取的是经验风险最小化原则，导致模型对新样本数据的预测能力较弱。本文针对LST-KSVC模型存在的不足，通过在LST-KSVC模型的目标函数上使用正则化技术惩罚模型的预测系数，提出了一种改进最小二乘孪生多类别支持向量机分类器(ImprovedLeastSquaredTwinK-classSupportVectorClassification,ILST-KSVC)算法，并从理论上证明其收敛性。为了验证本文改进算法的分类效果和对网络入侵检测的有效性和实用性，分别用UCI数据集

5、和KDDCUP99数据集进行仿真实验。仿真结果表明：(1)本文提出的ILST-KSVC模型在UCI多分类问题上具有良好的分类效果；(2)与LST-KSVC模型相比，ImprovedLST-KSVC模型的网络入侵检测正确率提高了1.41%；(3)采用本文提出的自适应信息熵最小化离散算法对数据预处理，提高了ImprovedLST-KSVC模型的检测正确率。关键词：网络入侵检测；最小二乘孪生多类别支持向量机分类器；多分类；正则化I暨南大学硕士学位论文一种改进孪生支持向量机算法及其在网络入侵检测的应用AbstractWiththepopularityofInt

6、ernettechnologyandnetwork,networkintrusiondetectionproblemishighlyconcerned.Classificationalgorithmhasbeenwidelyappliedinnetworkintrusiondetectionmodelandthealgorithmbasedonthetwinsupportvectormachinebecomesthehotspot.LeastSquaredTwinK-classSupportVectorClassification(LST-KSVC)i

7、spopularforitsrunningspeedinsolvingtheproblemofmultipleclassification,butitsempiricalriskminimizationprincipleresultsinadrawbackinthecapabilityofgeneralizationpredictionofnewsampledata.AnimprovedleastsquarestwinK-classsupportvectorclassification(ILST-KSVC)isproposedbyusingregula

8、rizationmethodtopunishthepredictioncoefficients