Computer science; Conferences; Computational modeling; Intrusion detection; Machine learning; Feature extraction; Data engineering;
机译:使用机器学习技术的混合无线IOT网络入侵检测系统的有效特征选择
机译:通过通过交叉验证选择最佳特征的交叉验证选择来审查伯努利NA?VE贝叶斯分类器的入侵检测系统中的性能
机译:基于特征选择和合奏分类的高效入侵检测系统
机译:集成学习和特征选择的实现,以提高基于异常的入侵检测系统的性能
机译:使用熵进行入侵检测系统参数的特征选择。
机译:使用通道选择和早期时间特征增强混合EEG-fNIRS系统的性能
机译:集合分类器入侵检测系统特征选择技术的比较研究