Fr. 79.00

Sistema de detección de anomalías en el tráfico de red mediante minería de datos - Perspectiva del aprendizaje automático

Spanish · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more










Detección de anomalías mediante el algoritmo de maximización de densidad Fuzzy C-means: La justificación del sistema de detección de anomalías utilizando el enfoque de maximización de densidad del algoritmo de clustering fuzzy c-means. El flujo de trabajo de una propuesta de sistema de detección de anomalías con el algoritmo FCM de maximización de la densidad. El marco de la detección de anomalías basada en el clasificador de conjunto - este enfoque de la detección de anomalías se basa en la integración de múltiples clasificadores para que la debilidad de un clasificador pueda ser compensada por el otro clasificador. El flujo de trabajo del marco de detección de intrusos propuesto basado en un clasificador de conjunto.

About the author










La Dra. Ruby Sharma trabaja como profesora asociada en el Instituto de Tecnología y Gestión de la Información, Universidad Guru Gobind Singh Indraprastha, Nueva DelhiEl Dr. Sandeep Chaurasia trabaja como profesor en el Departamento de CSE, Escuela de Computación y T.I. en la Universidad de Manipal Jaipur.

Product details

Authors Sandeep Chaurasia, Ruby Sharma
Publisher Ediciones Nuestro Conocimiento
 
Languages Spanish
Product format Paperback / Softback
Released 05.11.2021
 
EAN 9786204243979
ISBN 978-620-4-24397-9
No. of pages 132
Dimensions 150 mm x 220 mm x 8 mm
Weight 215 g
Subject Natural sciences, medicine, IT, technology > IT, data processing > Data communication, networks

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.