Andere Kunden interessierten sich auch für
![CLASIFICACIÓN DE IMÁGENES DE RAYOS X MEDIANTE APRENDIZAJE PROFUNDO OPTIMIZADO]( "CLASIFICACIÓN DE IMÁGENES DE RAYOS X MEDIANTE APRENDIZAJE PROFUNDO OPTIMIZADO")
CLASIFICACIÓN DE IMÁGENES DE RAYOS X MEDIANTE APRENDIZAJE PROFUNDO OPTIMIZADO27,99 €![DETECCIÓN DE ANOMALÍAS CARDÍACAS MEDIANTE APRENDIZAJE AUTOMÁTICO]( "DETECCIÓN DE ANOMALÍAS CARDÍACAS MEDIANTE APRENDIZAJE AUTOMÁTICO")
DETECCIÓN DE ANOMALÍAS CARDÍACAS MEDIANTE APRENDIZAJE AUTOMÁTICO27,99 €![Detección de plagio en el sistema de gestión del aprendizaje]( "Detección de plagio en el sistema de gestión del aprendizaje")
Detección de plagio en el sistema de gestión del aprendizaje27,99 €![Detección y determinación de la madurez del mango]( "Detección y determinación de la madurez del mango")
Detección y determinación de la madurez del mango18,99 €![Clasificación de palabras no pronunciadas presentes en EEG]( "Clasificación de palabras no pronunciadas presentes en EEG")
Clasificación de palabras no pronunciadas presentes en EEG25,99 €![Diseño de una herramienta para la detección de puntos faciales]( "Diseño de una herramienta para la detección de puntos faciales")
Diseño de una herramienta para la detección de puntos faciales22,99 €![Detección de Similitudes en Jerarquías de Bytecode de Software]( "Detección de Similitudes en Jerarquías de Bytecode de Software")
Detección de Similitudes en Jerarquías de Bytecode de Software38,99 €
El conocimiento de las intrusiones en la red es un factor importante para el análisis de riesgos de la seguridad de la red. En la última década se han desarrollado diferentes métodos y marcos para la detección de intrusiones y la alerta de seguridad. Algunos métodos se basan en el proceso de descubrimiento de conocimientos y otros en redes neuronales. Estos modelos completos toman decisiones basadas en reglas para la generación de alertas de seguridad. En esta tesis se propone un nuevo método para la detección de intrusos utilizando la fusión de datos y la clasificación SVM. La fusión de datos trabaja sobre los sesgos de la recopilación de características de ocurrencia. La máquina de vectores de soporte es un superclasificador de datos. Ahora usamos SVM para la detección de elementos cerrados de la técnica basada en reglas.