搜索资源列表
391(1)
- 提出了一种新的基于规则的异常检测模型.把系统调用按照功能和危险程度进行了分类,该模型只是针对每类中关键调用(即危险级别为1的系统调用).在学习过程中,动态地处理每个关键调用,而不是对静态的数据进行数据挖掘或统计,从而可以实现增量学习.同时通过预定义,精炼规则,有效地减少了规则数据库中的规则数目,缩减了检测过程中规则的匹配时间.
c45
- 该代码是数据挖掘里面的决策树算法 利用c45理论，通过对训练数据的分析判断，计算出各个数据的其它对目标属性的重要程度，即计算出每个其它数据的信息增益值来将训练数据逐步分类，最后得出目标分类，从而实现决策树的生成过程。最后即可利用此决策树来对新的数据进行测试，判断其目标属性的可能值。
chengxu
- 数据挖掘分类算法基于C或C++语言的，基本的分类方法程序代码-data ming Data mining classification algorithm
datadining
- 数据挖掘的基本内容--有分类，聚类，预测等，还有算法介绍-Elements of data mining- a classification, clustering and prediction, as well as algorithms introduced
第9章 聚类分析
- 大数据挖掘，主要包括：数据的分类与聚类分析、智能算法、(Classification and cluster analysis of data)