注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 无线传感器网络的路由异常检测

  2. 基于无线传感器网络（WSN）的开放式特点和入侵检测中训练数据集往往不容易收集和标记等问题，将无监督聚类方法应用到无线传感器网络的分布式路由异常检测中。模拟结果表明该方法能够比较有效地检测无线传感器网络中的未知路由攻击，并且不需要用人工的或其他的方法来对训练集进行分类。

  3. 所属分类：网络基础

    • 发布日期：2010-09-01
    • 文件大小：319488
    • 提供者：timeme

  1. 基于数据包的异常检测

  2. 数据包异常检测，使用了TCM-KNN异常检测算法

  3. 所属分类：网络监控

    • 发布日期：2011-08-26
    • 文件大小：732160
    • 提供者：che2606005002

  1. 游戏数据异常检测源码

  2. 游戏数据异常检测源码 模拟游戏系统针对内存修改工具的处理

  3. 所属分类：其它

    • 发布日期：2012-08-02
    • 文件大小：2048
    • 提供者：hy6540

  1. 异常检测技术及其在电子商务中的应用

  2. 检测是一个重要的数椐挖掘活动，用来发现数据集中明显与其它数据不同的对象。将异常埘1分为有模式异常和无模式异常，研究了各种异常的检测算法和检测系统的基奉架构，井讨论了异常检测在电干商务中的应用。

  3. 所属分类：电子商务

    • 发布日期：2013-10-25
    • 文件大小：288768
    • 提供者：u012568724

  1. Python数据分析与机器学习-交易数据异常检测

  2. Python数据分析与机器学习-交易数据异常检测; Python数据分析与机器学习-交易数据异常检测

  3. 所属分类：Python

    • 发布日期：2017-12-31
    • 文件大小：66060288
    • 提供者：adam_zs

  1. 基于特征选择的K-means聚类异常检测方法

  2. K-means算法是一种采用距离作为相似性评价指标的聚类算法,其快速简洁的特点在异常检测场景中有一定的应用价值。但是,传统的K-means聚类算法在选取初始中心和度量相似性上有一定缺陷。针对传统的K-means算法中存在的问题,本文对原有的方法进行了改进。第一,在初始化聚类中心时选取了一种优化的方法作为初始聚类中心,替代原有的随机选择方法以减少计算量和迭代次数。第二,采用基于信息熵属性加权的样本相似性度量来进一步精确样本差异。实验过程中,针对异常检测数据含有冗余特征,对样本数据做了冗余特征过滤

  3. 所属分类：网络安全

    • 发布日期：2018-06-17
    • 文件大小：361472
    • 提供者：qq_28339273

  1. 基于数据挖掘的Web应用入侵异常检测研究

  2. 通过数据挖掘技术，实现对web应用入侵的异常检测，对传统的误用检测是有效的补充。

  3. 所属分类：网络安全

    • 发布日期：2018-02-18
    • 文件大小：5242880
    • 提供者：alwayssun

  1. 时序数据异常检测

  2. outlier detection for temporal data 的综述，时序数据异常检测

  3. 所属分类：算法与数据结构

    • 发布日期：2019-02-15
    • 文件大小：1048576
    • 提供者：z6203271

  1. Python-Curve一个用于时间序列数据异常检测的综合实验平台

  2. Curve：时序数据异常标记工具。Curve是由百度和清华大学联合推出的一款开源工具，用于帮助开发者标记时序数据中的异常。标签数据（也就是真实有效值）对于评估时序数据异常检测方法非常有必要。否则，我们无法轻松选择好检测方法，或者确定模型A好于模型B。Curve能让开发者在上面使用强大的自定义函数，高效标记数据。

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：766976
    • 提供者：weixin_39840924

  1. 密度估计异常检测

  2. 我们利用神经密度估计的最新突破，提出了一种新的无监督的密度估计（ANODE）技术进行无异常检测。 通过估计信号区域和边带中数据的条件概率密度，并将其内插到信号区域中，可以构建数据与背景之间完全由数据驱动的似然比。 该似然比对可能由于局部异常而导致的数据过密度敏感。 另外，ANODE方法的独特潜在好处是可以使用学习的密度直接估算背景。 最后，ANODE能够抵抗信号区域和边带之间的系统差异，因此比其他方法具有更广泛的适用性。 我们使用LHC Olympics 2020 R＆D数据集展示了这种新方法的

  3. 所属分类：其它

    • 发布日期：2020-05-04
    • 文件大小：1048576
    • 提供者：weixin_38693589

  1. 交易数据异常检测--creditcard.zip

  2. 交易数据异常检测--creditcard.zip

  3. 所属分类：机器学习

    • 发布日期：2020-03-10
    • 文件大小：68157440
    • 提供者：weixin_39946218

  1. 基于多属性信息的云平台异常检测系统设计与实现.pdf

  2. 学位论文：基于PCA和多属性信息的虚拟机异常检测方法研究包括以PCA算法为核-tS,的多属 性信息处理和以非参数CUSUM算法为核心的异常检测。前者首先通过PCA算法将多 个属性数据重新组合成一组新的相互无关的综合数据来代替原来的多维数据，然后通过 分析计算将该综合数据划分为“正常”、“异常”及“故障”等三类。

  3. 所属分类：微服务

    • 发布日期：2020-03-01
    • 文件大小：6291456
    • 提供者：david710710

  1. 基于电能量数据分析的配电网线损异常检测

  2. 基于电能量数据分析的配电网线损异常检测，陈航，陆月明，电能量数据不仅包含了基本的用电和配电信息,还隐含了许多电网本身的状态信息。通过分析电能量数据和各类型线损异常的特点,提出基�

  3. 所属分类：其它

    • 发布日期：2020-02-29
    • 文件大小：495616
    • 提供者：weixin_38628920

  1. 可解释性、高效的数据流异常检测算法

  2. 可解释性、高效的数据流异常检测算法，李松松，吴晓非，局部离群点异常检测在数据流中的应用广泛。传统方法对样本如何采样可以维持后续样本的检测准确性是一个问题,另外无法得到是否为�

  3. 所属分类：其它

    • 发布日期：2020-02-15
    • 文件大小：858112
    • 提供者：weixin_38703895

  1. 基于深度学习的视频异常检测.caj

  2. 异常检测作为智能视频监控的研究难点和关键技术，其关键问题就是如何获得更好的特征表示，而深度学习相较于传统方法的优势在于可以自动地从海量数据中学习出有用的特征数据，为异常检测问题提供了一个很好的解决方法。

  3. 所属分类：深度学习

    • 发布日期：2019-07-08
    • 文件大小：3145728
    • 提供者：weixin_44684342

  1. 时间序列异常检测精选论文-2020.zip

  2. 有关多维时间序列数据异常检测的精选论文7篇，最新总结

  3. 所属分类：深度学习

    • 发布日期：2020-12-28
    • 文件大小：11534336
    • 提供者：qq_38161676

  1. 异常检测-源码

  2. 流数据异常检测 用法 python main.py [-h] [-c CONFIG] [--f] 短的 长 描述 -h --help 显示帮助 -c CONFIG --config CONFIG 位于配置文件夹中的配置文件的名称（例如： config.json ） -f --file 如果使用此标志，程序将从配置文件中指定的文件而不是kafka流中读取数据 -fk --filekafka 如果使用此标志，则程序将从配置文件中指定的文件中读取数据，然后从kafka流中读取数据

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：15728640
    • 提供者：weixin_42117340

  1. q2-异常检测：微生物组数据异常检测-源码

  2. q2异常检测 微生物组数据异常检测

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：269312
    • 提供者：weixin_42109545

  1. DeepADoTS：“时间序列的深度异常检测方法的系统评估”论文的资料库-源码

  2. 时间序列异常检测：深度学习方法评估。 该存储库的目标是为多种最新深度学习方法的时间序列数据异常检测提供基准测试管道。 实施算法 名称 纸 LSTM-AD ，ESANN 2015 LSTM-ED ，ICML 2016 自动编码器 ，DaWaK 2002 甜甜圈 ，WWW 2018 REBM ，ICML 2016 达格 ，ICLR 2018 LSTM-DAGMM 使用 -Autoencoder而不是神经网络自动编码器扩展 用法 git clone git://github.co

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：55296
    • 提供者：weixin_42107491

  1. Yahoo大规模时列数据异常检测技术及其高性能可伸缩架构

  2. 本文来自于csdn，本文介绍了大规模时序数据自动异常检测的通用和可扩展框架知识。本文介绍了大规模时序数据自动异常检测的通用和可扩展框架。能够在早期检测到系统异常，无论在维护用户数据一致性方面，还是在保护企业免受恶意攻击都发挥着非常关键的作用。现有技术在异常检测方法受到可扩展性和易用性上都存在很大问题。我们在雅虎（EGADS）的系统设计了基于异常检测和预测模型构建的异常过滤层，用于准确地进行时序数据的异常检测。我们比较我们的方法与其他异常检测系统对实时和合成数据的不同时间序列特征。EGADS框架在

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：613376
    • 提供者：weixin_38635092
« 12 3 4 5 6 7 8 9 10 ... 50 »