Národní úložiště šedé literatury Nalezeno 9 záznamů.  Hledání trvalo 0.00 vteřin. 
Klasifikace vozidel na základě odezvy indukčních senzorů
Halachkin, Aliaksei ; Klečka, Jan (oponent) ; Honec, Peter (vedoucí práce)
Táto práce se věnuje klasifikaci vozidel na základě odezvy indukčních senzorů. Během práci byla vytvořená anotovaná databáze vozidel obsahující vice něž 11000 tisíc záznamů z indukčních senzorů. Byli vyzkoušený různé klasifikační metody a jejich optimalizací. Za finální klasifikační model byla zvolená metoda založená na kombinaci k-nejbližších sousedů a logistické regresi –- lokálně vážená logistická regrese, která dosahuje úspěšnosti 94 \% pro 9 třid vozidel. Klasifikátor byl implementován v C++.
Systém pro rozpoznávání APT útoků
Hujňák, Ondřej ; Kačic, Matej (oponent) ; Barabas, Maroš (vedoucí práce)
Práce se zabývá APT útoky, což jsou cílené a profesionálně vedené útoky vyznačující se dlouhou dobou trvání s využitím pokročilých technik. Práce shrnuje dosavadní znalosti o APT útocích a je v ní navrženo sedm symptomů využitelných pro zjištění, že daná organizace se nachází pod APT útokem. Na spolupůsobení symptomů je v práci navržen systém pro rozpoznávání APT útoků. Tento systém je rozpracován pro útoky v prostředí počítačové sítě a využívá modelování chování uživatelů v síti pro detekci anomálií. Detektor je založen na metodě k-nearest neighbors (k-NN). Schopnost rozpoznávání APT útoku v síťovém prostředí je ověřena implementací detektoru a jeho otestováním.
Vehicle Classification Using Inductive Loops Sensors
Halachkin, Aliaksei
This project is dedicated to the problem of vehicle classification using inductive loop sensors. Developed classifier is based on nearest neighbors and logistic regression models and achieves 94 % accuracy on classification scheme with 9 vehicle classes.
Klasifikace vozidel na základě odezvy indukčních senzorů
Halachkin, Aliaksei ; Klečka, Jan (oponent) ; Honec, Peter (vedoucí práce)
Táto práce se věnuje klasifikaci vozidel na základě odezvy indukčních senzorů. Během práci byla vytvořená anotovaná databáze vozidel obsahující vice něž 11000 tisíc záznamů z indukčních senzorů. Byli vyzkoušený různé klasifikační metody a jejich optimalizací. Za finální klasifikační model byla zvolená metoda založená na kombinaci k-nejbližších sousedů a logistické regresi –- lokálně vážená logistická regrese, která dosahuje úspěšnosti 94 \% pro 9 třid vozidel. Klasifikátor byl implementován v C++.
Systém pro rozpoznávání APT útoků
Hujňák, Ondřej ; Kačic, Matej (oponent) ; Barabas, Maroš (vedoucí práce)
Práce se zabývá APT útoky, což jsou cílené a profesionálně vedené útoky vyznačující se dlouhou dobou trvání s využitím pokročilých technik. Práce shrnuje dosavadní znalosti o APT útocích a je v ní navrženo sedm symptomů využitelných pro zjištění, že daná organizace se nachází pod APT útokem. Na spolupůsobení symptomů je v práci navržen systém pro rozpoznávání APT útoků. Tento systém je rozpracován pro útoky v prostředí počítačové sítě a využívá modelování chování uživatelů v síti pro detekci anomálií. Detektor je založen na metodě k-nearest neighbors (k-NN). Schopnost rozpoznávání APT útoku v síťovém prostředí je ověřena implementací detektoru a jeho otestováním.
Correlation Dimension-Based Classifier
Jiřina, Marcel ; Jiřina jr., M.
Plný tet: v945-06 - Stáhnout plný textPDF
Plný text: content.csg - Stáhnout plný textPDF
Okrajový jev v mnohorozměrných datech
Jiřina, Marcel ; Jiřina jr., M.
V článku se ukazují zvláštní vlastnosti mnohorozměrných dat a jejich vliv na klasifikaci. Zavádí se funkce mapování rozdělení a funkce mapování hustoty rozdělení bodů v n-rozměrném prostoru na podobné rozdělení v jednorozměrném prostoru vzdáleností. Zavádí se mocninová aproximace mapovací funkce hustoty rozdělení a je ukázáno její použití pro odhad hustoty rozdělení se zahrnutím okrajových efektů. Jsou ukázány některé výsledky se zavedenou metodou.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.