- 您的位置
- 首页
- 期刊论文
- 大型网络数据库中危险数据识别方法研究
被引量 : 0次 | 上传用户：lin840827247
【摘 要】
：
'.$navinfor[smalltext].'
';
}
?>
【作 者】
：
';
foreach($pd_record as $writer){
$str .= '
'.$writer. ' ';
}
$str = trim($str,'，').'
';
}
echo $str;
?>
【机 构】
：
'.$navinfor[author_org].'
';
}
?>
【出 处】
：
'.$navinfor[befrom].'
';
}
?>
【发表日期】
：
'.$navinfor[year].'年'.$navinfor[issue_num].'期
';
}
?>
【关键词】
：
';
foreach($pd_record as $keyboard){
$str .= '
'.$keyboard. ' ';
}
$str = trim($str,'，').'
【基金项目】
：
'.$navinfor[fund_info].'
';
}
?>
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统的决策树分类特征滤波方法识别性能不好的问题,提出一种基于决策树局部时间尺度特征提取的大型网络数据库中的危险数据识别方法,构建大型网络数据库的危险数据通信传输模型,设计危险数据决策树模型,通过建模,采用信号处理方法实现局部时间尺度特征提取,以此为依据实现对危险数据的准确识别。仿真结果表明,采用该算法能有效地实现危险数据的识别,准确识别概率提高显著,保证了大型网络数据库的安全运行。
其他文献
[e:loop={"SELECT * FROM phome_ecms_lunwen WHERE id BETWEEN $js AND $ks ",0,24,0}]
[/e:loop]
其他学术论文
[e:loop={"select * from phome_ecms_lunwen st where st.id in ($randids)",20,24,0}]