该项目属于计算机学科的应用基础研究。以主持完成的陕西省教育厅科研计划项目、商洛学院科研计划项目等项目为依托，进行数据分类算法研究和入侵检测应用研究。主要包括两方面工作：一是提出了多种数据分类算法，包括有监督分类算法和半监督分类算法，主要设计并实现了多种半监督分类算法，解决包含少量有标记样本和大量无标记样本共存的不完全标记数据分类问题；二是将数据分类算法应用到网络入侵检测领域，实现网络入侵数据的智能分类，提高入侵检测的性能。主要内容如下：   (1)将两层无监督的SOM网络改进为三层有监督的SSOM(SupervisedSOM)网络，结合SOM的聚类特征和SSOM的分类性能，基于先聚类后标记的思想，提出一种基于SOM的半监督分类算法SSC-SOM。   (2)提出一种简单的协同半监督分类算法SimpleCo-SSC和一种安全的协同半监督分类算法SafeCo-SSC。   (3)提出一种基于交叉验证思想的半监督分类算法CV-S3VM，通过交叉验证的方法挖掘未标记样本信息；提出结合主动学习策略的半监督分类算法SSC-AL和SSC-IAL，实现未标记样本的自动标记，减少人工干预。   (4)将半监督学习引入到入侵检测领域。结合网络入侵检测的具体应用实际，对半监督分类算法进行简化，设计基于主动学习和半监督学习的入侵检测系统。   (5)结合生物免疫原理，设计了一种基于生物免疫的动态入侵检测系统。   (6)针对检测代理负载过大导致丢包率较高的情况，提出了基于Huffman树SVM(HT-SVM)的协同网络入侵检测   本项目具有重要的科学价值，丰富了机器学习理论，拓宽了其应用范围。提出的算法和开发的一系列软件能广泛应用到各种数据分类领域，能有效地提高数据分类效率，缩短数据分类时间。