29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
  • Broschiertes Buch

La detección de anomalías es una cuestión fundamental en la minería de datos, concretamente se ha utilizado para detectar y eliminar objetos anómalos de los datos. Las anomalías surgen debido a fallos mecánicos, cambios en el comportamiento del sistema, comportamiento fraudulento, intrusiones en la red o errores humanos. Una eficiente detección de valores atípicos y capacidades de agrupación de datos en presencia de valores atípicos, y basada en el filtrado de los datos después del proceso de agrupación. El algoritmo propuesto detecta los experimentos atípicos en tres etapas, a saber: i)…mehr

Produktbeschreibung
La detección de anomalías es una cuestión fundamental en la minería de datos, concretamente se ha utilizado para detectar y eliminar objetos anómalos de los datos. Las anomalías surgen debido a fallos mecánicos, cambios en el comportamiento del sistema, comportamiento fraudulento, intrusiones en la red o errores humanos. Una eficiente detección de valores atípicos y capacidades de agrupación de datos en presencia de valores atípicos, y basada en el filtrado de los datos después del proceso de agrupación. El algoritmo propuesto detecta los experimentos atípicos en tres etapas, a saber: i) Detección de salientes en imágenes; ii) Detección de eventos anormales en flujos de vídeo; y iii) Conjuntos de datos de referencia de la UCI en el mundo real. La remoción se produce de acuerdo con un umbral predefinido elegido.Se puede analizar rigurosamente el marco formal en el que se pueden dar definiciones precisas de las combinaciones dispersas, y se propone la lógica difusa para descubrir la relación no lineal.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
La Sra. A. Subhasheni se presenta como profesora adjunta del Departamento de Informática de la Facultad de Artes y Ciencias Sri Ramakrishna, Coimbatore, TamilNadu. Tiene cuatro años de experiencia docente en el nivel de UG.