本课题研究了机器学习中最新理论--流形学习理论和贝叶斯阴阳学习理论在智能化入侵检测中的应用。课题的主要研究内容如下：1.把非线性降维工具Isomap和one class SVM相结合,用于检测U2R和R2L攻击。2.针对数据属性中既存在数值型数据又存在字符型数据的特点,采用异构值差距离度量公式代替Isomap中的欧几里德距离计算公式,分别提出了HL-Isomap和S-H-Isomap算法。3.针对LLE和Isomap算法所构造的邻接图存在不连通的问题,提出了k-variable解决方法,并应用于LLE和Isomap算法中,提出了kv-LLE和kv-Isomap算法。还把k-variable方法用于S-Isomap算法中,提出了S-kv-Isomap算法。4.研究了子空间学习算法LPP和谱回归算法SR用于入侵检测数据的特征选择,提出了LPP+RBF+k-NN和SR+GRNN+k-NN有监督流形分类方案。提出了SVM+k-NN分类融合方案,并用于LPP降维后的低维空间数据的分类中。5.研究了贝叶斯阴阳学习中的RPCL算法在入侵检测中的应用,提出了RPCL+k-Means聚类方案和RPCL one class分类器。