English
|
正體中文
| 简体中文 |
全文笔数/总笔数 : 62822/95882 (66%)
造访人次 : 4015982 在线人数 : 534
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by
NTU Library & TKU Library IR team.
搜寻范围
全部機構典藏
商管學院
資訊管理學系暨研究所
--會議論文
查询小技巧:
您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
进阶搜寻
主页
‧
登入
‧
上传
‧
说明
‧
关于機構典藏
‧
管理
淡江大學機構典藏
>
商管學院
>
資訊管理學系暨研究所
>
會議論文
>
Item 987654321/113279
数据加载中.....
书目数据导出
Endnote RIS 格式
Bibtex 格式
引文信息
jsp.display-item.identifier=請使用永久網址來引用或連結此文件:
https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/113279
题名:
基於RFpS的集成學習於惡意程式分類之研究
作者:
李鴻璋
;
趙偉傑
关键词:
惡意程式分類
;
機器學習
;
集成學習
日期:
2017-11
上传时间:
2018-04-26 12:11:24 (UTC+8)
出版者:
東海大學
摘要:
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%。
關聯:
TANet 2017臺灣網際網路研究會論文集 pp. 72~75.
DOI:
10.6728/TANET.201710.0014
显示于类别:
[資訊管理學系暨研究所] 會議論文
文件中的档案:
档案
描述
大小
格式
浏览次数
index.html
0Kb
HTML
173
检视/开启
在機構典藏中所有的数据项都受到原著作权保护.
TAIR相关文章
DSpace Software
Copyright © 2002-2004
MIT
&
Hewlett-Packard
/
Enhanced by
NTU Library & TKU Library IR teams.
Copyright ©
-
回馈