|
|
|||
|
||||
OverviewCybersicherheit im Zusammenhang mit Big Data ist bekanntermaßen ein kritisches Problem und stellt eine große Herausforderung für die Forschungsgemeinschaft dar. Algorithmen des maschinellen Lernens wurden als Kandidaten für die Behandlung von Big-Data-Sicherheitsproblemen vorgeschlagen. Unter diesen Algorithmen haben Support-Vektor-Maschinen (SVMs) bemerkenswerte Erfolge bei verschiedenen Klassifizierungsproblemen erzielt. Um eine effektive SVM einzurichten, muss der Benutzer jedoch im Voraus die richtige SVM-Konfiguration festlegen, was eine schwierige Aufgabe ist, die Expertenwissen und einen hohen manuellen Aufwand für Versuch und Irrtum erfordert. Hier formulieren wir den SVM-Konfigurationsprozess als ein bi-objektives Optimierungsproblem, bei dem Genauigkeit und Modellkomplexität als zwei widersprüchliche Ziele betrachtet werden. Wir schlagen ein neuartiges hyperheuristisches Rahmenwerk für die Zwei-Ziel-Optimierung vor, das unabhängig von der Problemdomäne ist. Dies ist das erste Mal, dass eine Hyperheuristik für dieses Problem entwickelt wurde. Der vorgeschlagene hyperheuristische Rahmen besteht aus einer High-Level-Strategie und Low-Level-Heuristiken. Full Product DetailsAuthor: Kandru Arun Kumar , Anuradha Chinta , Kunchala Little FlowerPublisher: Verlag Unser Wissen Imprint: Verlag Unser Wissen Dimensions: Width: 15.20cm , Height: 0.40cm , Length: 22.90cm Weight: 0.104kg ISBN: 9786206503439ISBN 10: 6206503437 Pages: 64 Publication Date: 28 September 2023 Audience: General/trade , General Format: Paperback Publisher's Status: Active Availability: In stock We have confirmation that this item is in stock with the supplier. It will be ordered in for you and dispatched immediately. Table of ContentsReviewsAuthor InformationTab Content 6Author Website:Countries AvailableAll regions |