本论文将统计学习理论引入入侵检测领域，讨论了基于SVM方法的智能检测 策略，检测算法具有良好的推广能力.引入HVDM距离代替范数，改进了SVM的 RBF核函数定义，使之能够直接处理异构的网络连接信息 利用有保证的估计方法 来确定训练数据集规模，避免了依靠实验选择训练规模的盲目性 针对重复样本 和重要样本提出了样本加权的思路，降低了错分样本的可能 考虑到网络连接记 录的不同属性对检测结果贡献不一的事实，提出了特征选择与特征加权的方法， 进而得到一个更好的分类超平面，提高了检

matlab源文件，对网络数据进行入侵检测，利用libsvm工具箱，对特征进行分类。内容包括：数据的归一化，参数择优（交叉验证），建立svm模型，性能评价。压缩包内有详细的说明文档。-matlab source files, network data for intrusion detection, to use libsvm toolbox, to classify the characteristics. The contents include: data normalization, p

支持向量机方法,用matlab实现,用于分类检测,模式识别,人脸检测等-Support vector machine (SVM) method, matlab, used for classification, pattern recognition, face detection, etc

利用SVM对烟雾进行分类检测，很方便使用，内有SVM模型(Classification and Detection of Smoke Using SVM)