2018年8月8日
基于命令序列的异常行为分析 业界研究现状分析
摘要： 基于用户命令行为的内部威胁检测实验 from：http://www.freebuf.com/articles/database/93108.html 基于用户命令行为的内部威胁检测实验 from：http://www.freebuf.com/articles/database/93108.html 阅读全文
posted @ 2018-08-08 16:27 bonelee 阅读(1231) 评论(5) 推荐(0)
时间序列挖掘-预测算法-三次指数平滑法(Holt-Winters)——三次指数平滑算法可以很好的保存时间序列数据的趋势和季节性信息
摘要： from：http://www.cnblogs.com/kemaswill/archive/2013/04/01/2993583.html 在时间序列中，我们需要基于该时间序列当前已有的数据来预测其在之后的走势，三次指数平滑(Triple/Three Order Exponential Smooth 阅读全文
posted @ 2018-08-08 11:48 bonelee 阅读(6997) 评论(0) 推荐(0)
Holt-Winters模型原理分析
摘要： Holt-Winters模型原理分析及代码实现（python) Holt-Winters模型原理分析及代码实现（python) from：https://blog.csdn.net/u010665216/article/details/78051192 from：https://blog.csdn. 阅读全文
posted @ 2018-08-08 11:48 bonelee 阅读(10888) 评论(1) 推荐(0)
网络流量预测 国内外研究现状——传统的ARIMA、HMM模型，目前LSTM、GRU、CNN应用较多
摘要： Time Series Anomaly Detection in Network Traffic: A Use Case for Deep Neural Networks from：https://jask.com/time-series-anomaly-detection-in-network-t 阅读全文
posted @ 2018-08-08 10:12 bonelee 阅读(7479) 评论(43) 推荐(0)
tflearn tensorflow LSTM predict sin function
摘要： 效果： 备注：steps_in_future = 5 仅仅是采样数据用，每5个点采集一次数据，用于训练，后续绘图也是。修改为1，就没有采样过程了！steps_of_history = 10 使用历史的10个数据点来预测。实验表明，数据点越多，模型预测效果越好。为1的时候，效果比10的时候差些。 其他 阅读全文
posted @ 2018-08-08 09:52 bonelee 阅读(1191) 评论(1) 推荐(0)