English  |  正體中文  |  简体中文  |  Items with full text/Total items : 64191/96979 (66%)
Visitors : 8469195      Online Users : 8269
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    Please use this identifier to cite or link to this item: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/113279


    Title: 基於RFpS的集成學習於惡意程式分類之研究
    Authors: 李鴻璋;趙偉傑
    Keywords: 惡意程式分類;機器學習;集成學習
    Date: 2017-11
    Issue Date: 2018-04-26 12:11:24 (UTC+8)
    Publisher: 東海大學
    Abstract: 在惡意程式分析這領域,雖然近幾年在機器
    學習與人工智慧的挹注下有顯著的分析成果,然
    而,一般機器學習的分類方法遇到大量特徵時,會
    有學習時間過長以及大量消耗資源的問題。
    本論文提出一個稱為 RFpS(Random
    Forest predicated Svm)的兩段監督式集成學習的
    快速分類技術。克服以往因過多的多餘特徵訊息
    所造成的模型過度配適(overfitting)以及預測雜
    訊的問題。RFpS 是結合 Random Forest 特徵萃取
    與 SVM 強分類的學習與預測能力,針對惡意程式
    進行快速及精準的分類。驗證的結果說明,RFpS
    方法與單獨只用 SVM 比較下,其平均學習塑型速
    度增加約4.5倍,而預測速度增加約2.5倍,平均精
    準度提昇約20%,達到98.4%。
    Relation: TANet 2017臺灣網際網路研究會論文集 pp. 72~75.
    DOI: 10.6728/TANET.201710.0014
    Appears in Collections:[資訊管理學系暨研究所] 會議論文

    Files in This Item:

    File Description SizeFormat
    index.html0KbHTML222View/Open

    All items in 機構典藏 are protected by copyright, with all rights reserved.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - Feedback