|
|
|||
|
||||
OverviewLa cybersécurité dans le contexte du big data est connue pour être un problème critique et représente un grand défi pour la communauté des chercheurs. Les algorithmes d'apprentissage automatique ont été proposés comme candidats pour traiter les problèmes de sécurité des big data. Parmi ces algorithmes, les machines à vecteurs de support (SVM) ont connu un succès remarquable sur divers problèmes de classification. Cependant, pour établir un SVM efficace, l'utilisateur doit nier la configuration adéquate du SVM à l'avance, ce qui est une tâche difficile qui nécessite des connaissances d'expert et une grande quantité d'efforts manuels pour les essais et les erreurs. Ici, nous formulons le processus de configuration du SVM comme un problème d'optimisation bi-objectif dans lequel la précision et la complexité du modèle sont considérées comme deux objectifs conflictuels. Nous proposons un nouveau cadre hyper-heuristique pour l'optimisation bi-objectif qui est indépendant du domaine du problème. C'est la première fois qu'une hyper-heuristique est développée pour ce problème. Le cadre hyper-heuristique proposé se compose d'une stratégie de haut niveau et d'une heuristique de bas niveau. Full Product DetailsAuthor: Kandru Arun Kumar , Anuradha Chinta , Kunchala Little FlowerPublisher: Editions Notre Savoir Imprint: Editions Notre Savoir Dimensions: Width: 15.20cm , Height: 0.40cm , Length: 22.90cm Weight: 0.104kg ISBN: 9786206503477ISBN 10: 620650347 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 |