Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  dopasowanie kroczące
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
In the article we present Anomaly Detection System for recognizing unknown threats in network traffic with the use of Matching Pursuit decomposition. We proposed further improvements of presented anomaly detection method. Efficiency of our method is reported with the use of extended set of benchmark test traces. At the end we compared achieved results with different methods based on signal processing, data mining and hybrid techniques.
PL
W artykule zaproponowany został System Detekcji Anomalii w ruchu sieciowym z wykorzystaniem algorytmu dopasowania kroczącego. Zaproponowane zostały kolejne modyfikacje omawianej metody. Wydajność zastosowanego algorytmu została przedstawiona z użyciem testowych ścieżek ruchu sieciowego. Przedstawiono również porównanie zaproponowanej metody do innych rozwiązań systemów detekcji anomalii opartych o algorytmy: przetwarzania sygnałów, statystyczne oraz hybrydowe.
2
Content available remote Topographic Matching Pursuit of spatio-temporal bioelectromagnetic data
EN
A method for multichannel biomedical signal analysis was developed and is presented in this paper. The method is based on the Matching Pursuit algorithm. It creates approximations of spatiotemporal distributions of multichannel data using a relatively small number of components chosen from a very big and redundant set. The components are distributed both in time and space and their amplitude and phase parameters are independent for all channels. The method was validated on both artificial and bioelectromagnetic data (EEG, MEG).
PL
Artykuł prezentuje metodę analizy wielokanałowych sygnałów biomedycznych bazującą na algorytmie Dopasowania Kroczącego. Tworzy ona approksymacje rozkładów wielokanałowych sygnałów za pomocą relatywnie małej liczby komponentów wybranych z bardzo dużego i redundantnego zbioru. Metoda została przetestowana zarówno na danych symulowanych, jak i bioelektromagnetycznych, EEG, MEG.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.