Multivariate Adaptive Regression Sp

Multivariate Adaptive Regression Splines (MARS) is an innovative approach that automates the building of accurate predictive models for continuous and binary dependent variables [17]. It excels at finding optimal variable transformations and interactions, and the complex data structure that often hides in high-dimensional data.
The swarm intelligence algorithm fully uses agents that stochastically move around the classification habitat following pheromone concentrations. Having that aim in mind, a self-organized ANT colony based Intrusion Detection System (ANTIDS) is used to cluster the intrusion patterns [33].
Decision tree induction is one of the classification algorithms in the data mining. Classification algorithm is inductively learned to construct a model from the preclassified data set. The inductively learned model of classification algorithm is used to develop IDS [7]. Several hybrid approaches for modelling IDS have been also explored. Decision Trees (DT) and Support Vector Machines (SVM) are combined as a hierarchical hybrid intelligent system model (DT-SVM) [30].
An IDS based on general and enhanced Flexible Neural Tree (FNT) is explored by Chen et al. [11]. Based on the pre-defined instruction/operator sets, a flexible neural tree model can be created and evolved. The FNT structure is developed using an evolutionary algorithm and the parameters are optimized by particle swarm optimization algorithm.

Kết quả (Việt) 1:

Đa biến Adaptive Regression Splines (MARS) là một cách tiếp cận sáng tạo tự động hóa tòa nhà mô hình tiên đoán chính xác cho liên tục và nhị phân phụ thuộc vào biến [17]. Nó xuất sắc tại tìm biến đổi biến tối ưu và tương tác, và cấu trúc dữ liệu phức tạp thường ẩn trong chiều cao dữ liệu.Các thuật toán thông minh swarm đầy đủ sử dụng đại lý ngẫu di chuyển xung quanh môi trường sống phân loại sau pheromone nồng độ. Có mục tiêu đó trong tâm trí, một thuộc địa ANT tự tổ chức dựa trên phát hiện xâm nhập hệ thống (ANTIDS) được sử dụng để cụm xâm nhập mô hình [33].Quyết định cây cảm ứng là một trong các thuật toán phân loại trong khai thác dữ liệu. Thuật toán phân loại ăngten đã học được để xây dựng một mô hình từ các thiết lập dữ liệu preclassified. Các mô hình ăngten học của thuật toán phân loại được sử dụng để phát triển các ID [7]. Một số phương pháp tiếp cận hybrid cho mô hình ID cũng đã được khám phá. Quyết định cây (DT) và hỗ trợ Vector máy (SVM) được kết hợp như là một mô hình thông minh hệ thống phân cấp lai (DT-SVM) [30].Một ID dựa trên nói chung và nâng cao linh hoạt thần kinh cây (FNT) được khám phá bởi Chen et al. [11]. Dựa trên bộ được xác định trước chỉ dẫn/nhà điều hành, một mô hình linh hoạt cây thần kinh có thể được tạo ra và phát triển. Cấu trúc FNT được phát triển bằng cách sử dụng một thuật toán tiến hóa và các thông số được tối ưu hóa bởi hạt swarm tối ưu hóa thuật toán.

Kết quả (Việt) 2:

Thích ứng đa biến hồi quy Splines (MARS) là một cách tiếp cận sáng tạo để tự động hóa việc xây dựng mô hình dự báo chính xác cho các biến phụ thuộc liên tục và nhị phân [17]. Nó vượt trội trong việc tìm kiếm các biến đổi biến tối ưu và tương tác, và các cấu trúc dữ liệu phức tạp mà thường ẩn trong dữ liệu chiều cao.
Các thuật toán bầy trí thông minh sử dụng đầy đủ các đại lý mà stochastically di chuyển xung quanh môi trường sống phân loại sau nồng độ pheromone. Có mục tiêu đó trong tâm trí, một thuộc địa ANT tự tổ chức dựa trên hệ thống phát hiện xâm phạm (ANTIDS) được sử dụng để nhóm các mô hình xâm nhập [33].
Cây quyết định cảm ứng là một trong những thuật toán phân loại trong khai thác dữ liệu. Thuật toán phân loại được quy nạp đã học để xây dựng một mô hình từ tập dữ liệu preclassified. Các mô hình quy nạp học của thuật toán phân loại được sử dụng để phát triển IDS [7]. Một số phương pháp tiếp cận hybrid cho mẫu IDS cũng đã được khám phá. Quyết định Trees (DT) và Support Vector Machines (SVM) được kết hợp như là một hệ thống thông minh mô hình phân cấp hybrid (DT-SVM) [30].
Một IDS dựa trên nói chung và tăng cường linh hoạt Neural Tree (FNT) được khám phá bởi Chen et al. [11]. Dựa trên bộ giảng dạy / nhà điều hành được xác định trước, một mô hình cây linh hoạt thần kinh có thể được tạo ra và phát triển. Cơ cấu FNT được phát triển bằng cách sử dụng một thuật toán tiến hóa và các thông số được tối ưu hóa bằng thuật toán tối ưu hóa bầy hạt.