摘要：
nmap -A xx.xx.IP.xx Starting Nmap 7.91 ( https://nmap.org ) at 2021-08-18 10:13 CST Nmap scan report for 39.108.15.161 Host is up (0.075s latency). No 阅读全文
posted @ 2021-08-18 10:23
bonelee
阅读(676)
评论(0)
推荐(0)
摘要：
--> Cyber Data Scientist 汇总的一些安全数据 --> Stratosphere IPS 网络IPS/IDS数据 --> VizSec DataSets 安全可视化会议推荐数据 --> Awesome Sec Data 安全数据集合 --> SecRepo 安全相关数据 --> 阅读全文
posted @ 2021-08-17 17:24
bonelee
阅读(333)
评论(0)
推荐(0)
摘要：
DNS域传送漏洞 目前来看"DNS域传送漏洞"已经很少了。 DNS记录分类 常见的DNS记录有以下几类： A记录 IP地址记录,记录一个域名对应的IP地址 AAAA记录 IPv6地址记录，记录一个域名对应的IPv6地址 CNAME记录 别名记录，记录一个主机的别名 MX记录 电子邮件交换记录，记录一 阅读全文
posted @ 2021-08-17 17:09
bonelee
阅读(598)
评论(0)
推荐(0)
摘要：
在机器学习中，对于有监督学习可以将其分为两类模型：判别式模型和生成式模型。简单地说，判别式模型是针对条件分布建模，而生成式模型则针对联合分布进行建模。 1. 基本概念 假设我们有训练数据(X,Y)，X是属性集合，Y是类别标记。这时来了一个新的样本，我们想要预测它的类别。 我们最终的目的是求得最大的条 阅读全文
posted @ 2021-08-08 22:39
bonelee
阅读(1904)
评论(0)
推荐(0)
摘要：
1.熵与最大熵原理 熵是随机变量不确定性的度量，不确定性越大，熵值就越大；若随机变量退化成定值，熵为0。均匀分布是“最不确定”的分布 假设离散随机变量X的概率分布为P(x)，则其熵为： 联合熵和条件熵 两个随机变量的X，Y的联合分布，可以形成联合熵，用H(X,Y)表示 条件熵H(X|Y) = H(X 阅读全文
posted @ 2021-08-08 21:56
bonelee
阅读(971)
评论(0)
推荐(0)
摘要：
什么是熵(Entropy) 简单来说，熵是表示物质系统状态的一种度量，用它老表征系统的无序程度。熵越大，系统越无序，意味着系统结构和运动的不确定和无规则；反之，，熵越小，系统越有序，意味着具有确定和有规则的运动状态。熵的中文意思是热量被温度除的商。负熵是物质系统有序化，组织化，复杂化状态的一种度量。 阅读全文
posted @ 2021-08-08 21:25
bonelee
阅读(2538)
评论(0)
推荐(0)
摘要：
凸图形 凸边形就是把一个图形的一个边向两边延伸 而原图形都在延伸直线的一侧 要求是每一个边延伸都是如此 与此相对应的是凹边形 凸图形在代数中的地位很重要，主要体现在它的分析或代数性质，并且已被应用到诸如数理经济学等领域。凸形的几何性质研究比较落后，也最为复杂。本词条将就其定义、判定、性质作一些讨论。 阅读全文
posted @ 2021-08-06 12:08
bonelee
阅读(3463)
评论(0)
推荐(0)
摘要：
人工智能 kmeans和som的简单比较 cokecoffe · 2020年02月13日 · 2 次阅读 聚类分析是一种常用的分析方法，其中最为常用的 KMeans。最近也看到一个 KMeans 的改进方法，是加入 som 竞争神经网络进行训练。 竞争神经网络是一个仿照人脑神经元的启发而发明的，在这 阅读全文
posted @ 2021-08-06 11:49
bonelee
阅读(1717)
评论(1)
推荐(0)
摘要：
当K值的大小不确定时，可以使用ISODATA算法。ISODATA的全称是迭代自组织数据分析法。在K均值算法中，聚类个数K的值需要预先人为地确定，并且在整个算法过程中无法更改。而当遇到高维度、海量的数据集时，人们往往很难准确地估计出K的大小。ISODATA算法就是针对这个问题进行了改进，它的思想也很直 阅读全文
posted @ 2021-08-06 11:03
bonelee
阅读(744)
评论(0)
推荐(0)
摘要：
k-means ++介绍：k-means++算法选择初始seeds的基本思想就是：初始的聚类中心之间的相互距离要尽可能的远。算法步骤：（1）从输入的数据点集合中随机选择一个点作为第一个聚类中心（2）对于数据集中的每一个点x，计算它与最近聚类中心(指已选择的聚类中心)的距离D(x)（3）选择一个新的数 阅读全文
posted @ 2021-08-06 10:59
bonelee
阅读(780)
评论(0)
推荐(0)
浙公网安备 33010602011771号