什么是入侵检测为什么可以把SVM应用于入侵检测系统笔者将入侵行为以及被怀疑为入侵行为或存在入侵倾向者所对应的数据规定为负样本,而正常数据规定为正样本。根据SVM理论,2类SVM分类器的分类超平面由靠近分类超平面的支持向量决定。而实际操作中,只需要选用比较靠近分类面的样本点即可。但是,当负样本的数量不足时会严重影响分类器的泛化性能。并且,由于用于训练的负样本数量不足,将直接导致分类器的错误率太高。因此,支持向量机至今仍没有真正应用到入侵检测这一重要的领域。。SVM:Whatisitandwhatcanitdoforme?听起來是很神奇的事，请重想一想这句话代表什么：分类的依据是未知的！也很像要AI之类的高等技巧...不过SVM基于统计学习理论可以在合理的时间內漂亮的解決这个问题。以图形化的例子来说明(bySVMToy),像假定我在空间中标了一堆用颜色分类的点，点的颜色就是他的类別,位置就是他的資料,那SVM就可以找出间隔这些点的方程式,依此就可以分出一个个的区域;拿到新的点(资料）时,只要对照该位置在哪一区域就可以(predict)找出他应该是哪一颜色(类別)了当然SVM不是真的只有画图分区那么简单,不过看上面的例子应该可以了解SVM大概在作什么.SVM有关概念介绍SVM分类问题的数学表示和推导简单的最优分类面广义最优分类面非线性最优分类面SVM分解算法History关于SVM提纲aaaa分类问题的数学表示根据给定的训练集其中，，寻找上的一个实值函数，用决策函数判断任一模式对应的值.可见，分类学习机——构造决策函数的方法(算法)，两类分类问题多类分类问题线性分类学习机非线性分类学习机SVM分类问题大致有三种：线性可分问题、近似线性可分问题、线性不可分问题。最大间隔原则考虑图1.2.1(a)——上的线性可分的分类问题.这里有许多直线能将两类点正确分开.如何选取和？简单问题：设法方向已选定，如何选取？解答：选定平行直线极端直线和取和的中间线为分划直线如何选取？对应一个，有极端直线，称和之间的距离为“间隔”.显然应选使“间隔”最大的。数学语言描述：给定适当的法方向后，这两条极端直线可表示为如何计算分划间隔？考虑2维空间中极端直线之间的间隔情况分划直线表达式为“间隔”为极大化“间隔”的思想导致求解下列对变量和的最优化问题说明：只要我们求得该问题的最优解，从而构造分划超平面，求出决策函数。上述方法对一般上的分类问题也适用.求解原始问题？1.线性可分问题2.近似线性可分问题2.近似线性可分问题算法：(广义)线性支持向量分类机3.非线性分划实现非线性分划的思想核函数(核或正定核)定义核函数的选择