System zur Erkennung von Anomalien im Netzwerkverkehr durch Data Mining
Perspektive des maschinellen Lernens
Versandkostenfrei!
Versandfertig in 6-10 Tagen
61,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Erkennung von Anomalien mit dem Fuzzy-C-means-Algorithmus zur Dichtemaximierung: Die Begründung für das System zur Erkennung von Anomalien unter Verwendung des Dichte-Maximierungs-Ansatzes für den Fuzzy-C-Means-Clustering-Algorithmus. Der Arbeitsablauf eines vorgeschlagenen Systems zur Erkennung von Anomalien mit dem FCM-Algorithmus zur Maximierung der Dichte. Der Rahmen der Ensemble-Klassifikator-basierten Anomalie-Erkennung - dieser Ansatz der Anomalie-Erkennung basiert auf der Integration mehrerer Klassifikatoren, so dass die Schwäche eines Klassifikators durch einen anderen Klassifikat...
Erkennung von Anomalien mit dem Fuzzy-C-means-Algorithmus zur Dichtemaximierung: Die Begründung für das System zur Erkennung von Anomalien unter Verwendung des Dichte-Maximierungs-Ansatzes für den Fuzzy-C-Means-Clustering-Algorithmus. Der Arbeitsablauf eines vorgeschlagenen Systems zur Erkennung von Anomalien mit dem FCM-Algorithmus zur Maximierung der Dichte. Der Rahmen der Ensemble-Klassifikator-basierten Anomalie-Erkennung - dieser Ansatz der Anomalie-Erkennung basiert auf der Integration mehrerer Klassifikatoren, so dass die Schwäche eines Klassifikators durch einen anderen Klassifikator kompensiert werden kann. Der Arbeitsablauf des vorgeschlagenen Rahmens für die Erkennung von Eindringlingen auf der Grundlage eines Ensemble-Klassifikators.
Andere Kunden interessierten sich für
