دانلود مقاله انگلیسی رایگان:تجزیه و تحلیل داده های بزرگ توسط نسل خودکار از قوانین فازی برای شبکه پزشکی قانونی - 2017

محرم

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Big data analytics by automated generation of fuzzy rules for Network Forensics Readiness Big data analytics by automated generation of fuzzy rules for Network Forensics Readiness
    Big data analytics by automated generation of fuzzy rules for Network Forensics Readiness

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Big data analytics by automated generation of fuzzy rules for Network Forensics Readiness


    ترجمه فارسی عنوان مقاله:

    تجزیه و تحلیل داده های بزرگ توسط نسل خودکار از قوانین فازی برای شبکه پزشکی قانونی


    منبع:

    Sciencedirect - Elsevier - Applied Soft Computing Journal, 52 (2017) 359-375. doi:10.1016/j.asoc.2016.10.029


    نویسنده:

    Andrii Shalaginov ∗, Katrin Franke


    چکیده انگلیسی:

    Analysis of large-scale traffic dumps in Network Forensics can be a complex and non-trivial problem. This is an important step in collecting evidences and making threat intelligence to foresee new ille gal activities. Machine Learning comes into help to automatically support decision of forensics expert. Furthermore, application in live systems may bring additional obstacles related to forensics readiness and knowledge discovery. We believe that it can be mitigated by means of Neuro-Fuzzy, a fusion of human-understandable model and automated data analytic. This method includes optimal unsupervised grouping of samples with so-called Self-Organizing Features Map and fuzzy rules tuning by Artificial Neural Network. In this work we propose improvements of the methods that makes it possible to extract fewer fuzzy rules in a faster manner. The new method has two advantages in comparison to existing. First, we improve the estimation of fuzzy patches. Second, parameterization that represents the data by incorporating additional ellipse compactness information. By using ellipse rotation and flattering infor mation, the membership functions can be derived. To even further enhance the generalization of the method, the bootstrap aggregation was tested during the grouping phase. Finally, the method has been assessed on the intrusion detection dataset with a five millions samples with classification accuracy 94% using only 12 rules.
    Keywords:Big data|Soft Computing|Neuro-Fuzzy|Intrusion detection|Self-organizing feature maps|Computational forensics


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 17
    حجم فایل: 1597 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-های-بزرگ
موضوعات
footer