基于粗糙集與支持向量機的入侵檢測研究.pdf

1、本論文研究的目標是將粗糙集和支持向量機相結合應用到入侵檢測系統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的概念與意義，介紹了幾種新的入侵檢測方法，分析了現有入侵檢測系統中存在的問題并對入侵檢測技術的發(fā)展方向作展望；
　　 (2)將粗糙集理論知識應用到特征屬性約簡中，應用粗糙集理論簡化訓練樣本數據集，分析對象集的增加與屬性約簡的變化關系；
　　 (

2、3)將支持向量機應用于入侵檢測，針對小樣本問題對數據進行采樣，減小訓練數據的規(guī)模；將增量學習應用在入侵檢測SVM(支持向量機)分類器中，減少了存儲空間的占用并減少了后續(xù)訓練的時間；
　　 (4)提出一種增量式絕對屬性約簡算法，將增量學習應用到入侵檢測系統中，大大提高了系統的自學習性與自適應性及魯棒性，實驗表明該約簡算法在效率上較現有算法有明顯提高。
　　 (5)給出一種基于粗糙集和Online-SVM結合的入侵檢測規(guī)則提