SFr. 80.00
€ 86.40


bestellen

Artikel-Nr. 32746442


Diesen Artikel in meine
Wunschliste
Diesen Artikel
weiterempfehlen
Diesen Preis
beobachten

Weitersagen:



Autor(en): 
  • Sandeep Chaurasia
  • Ruby Sharma
  • Anomaly Detection System for Network Traffic using Data Mining: Machine Learning Perspective 
     

    (Buch)
    Dieser Artikel gilt, aufgrund seiner Grösse, beim Versand als 2 Artikel!


    Übersicht

    Auf mobile öffnen
     
    Lieferstatus:   i.d.R. innert 5-10 Tagen versandfertig
    Veröffentlichung:  Januar 2021  
    Genre:  EDV / Informatik 
    ISBN:  9786203305234 
    EAN-Code: 
    9786203305234 
    Verlag:  LAP Lambert Academic Publishing 
    Einband:  Kartoniert  
    Sprache:  English  
    Dimensionen:  H 220 mm / B 150 mm / D 10 mm 
    Gewicht:  233 gr 
    Seiten:  144 
    Bewertung: Titel bewerten / Meinung schreiben
    Inhalt:
    Anomaly detection using Density Maximization Fuzzy C-means Algorithm: The rationale for the anomaly detection system using density maximization approach to the fuzzy c-means clustering algorithm. The workflow of a proposed anomaly detection system with density maximization FCM algorithm. The framework of ensemble classifier-based anomaly detection - this approach of anomalous detection is based on the integration of multiple classifiers so that the weakness of one classifier can be compensated by the other classifier. The workflow of the proposed intrusion detection framework based on an ensemble classifier.

      



    Wird aktuell angeschaut...
     

    Zurück zur letzten Ansicht


    AGB | Datenschutzerklärung | Mein Konto | Impressum | Partnerprogramm
    Newsletter | 1Advd.ch RSS News-Feed Newsfeed | 1Advd.ch Facebook-Page Facebook | 1Advd.ch Twitter-Page Twitter
    Forbidden Planet AG © 1999-2026
    Alle Angaben ohne Gewähr
     
    SUCHEN

     
     Kategorien
    Im Sortiment stöbern
    Genres
    Hörbücher
    Aktionen
     Infos
    Mein Konto
    Warenkorb
    Meine Wunschliste
     Kundenservice
    Recherchedienst
    Fragen / AGB / Kontakt
    Partnerprogramm
    Impressum
    © by Forbidden Planet AG 1999-2026