61,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
0 °P sammeln
  • Broschiertes Buch

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…mehr

Produktbeschreibung
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.
Autorenporträt
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.