当今的IP网络已广泛用于收集大量信息,包括流量跟踪(例如数据包或流量级别跟踪) ,控制信息(例如,关于路由器转发表,BGP和OSPF更新)以及管理数据(例如,警报,SNMP陷阱)。真正的挑战是处理和分析大量的基本非结构化信息,并提取其中嵌入的结构,关系和“高级知识”,并使用其来帮助网络管理和运营。该研讨会的目的是探索网络数据收集,存储和分析技术的新方向,以及它们在网络监视,管理和补救中的应用。该研讨会为来自不同背景(包括网络,数据挖掘,机器学习和统计)的研究人员和从业人员提供了一个场所,使他们能够从各自的角度出发,共同解决这个问题。 p>
提交了18篇论文参加研讨会并由PC成员进行了严格的单盲审查和讨论。经过PC会议的详细讨论,最终选择了论文。考虑到研讨会的一天形式,计划委员会只能接受9篇论文。
National Taiwan University of Science and Technology, Taipei, Taiwan;
机译:从患者到医院的安全mHealth IoT数据传输:三层方法
机译:验证可疑空间数据复制的三层统计方法
机译:从关系数据库生成三层应用程序:一种正规且实用的方法
机译:通过数据挖掘方法进行三层ID
机译:域概念挖掘:一种高效的按需数据挖掘方法。
机译:Kvik:三层数据探索工具可在流行病学研究中灵活地分析基因组数据
机译:使用具有主成分分析和K-yemoids的数据挖掘患者使用数据挖掘技术的心血管疾病患者使用数据挖掘技术和K-MEDOIDS患者K-MEDOIDS患者