排序方式： 共有2条查询结果，搜索用时 16 毫秒
1
1.
结合社会网络分析技术与信誉评估技术,提出一种基于机器学习的互联网电话垃圾邮件(SPIT)可疑度评估方法(MLBRE).该方法依据用户的历史行为建立通信行为网络模型,使用社会网络分析方法半自动化地对部分用户进行可疑度评估,产生相应的训练集,再使用支持向量机(SVM)的机器学习方法全自动化地对全体用户进行可疑度评估.实验结果表明:本方法在保持较高准确率(93.98%)的同时,具有较低的漏报率(0.95%). 相似文献
2.
为降低跨数据中心的数据传输对计算任务执行的影响,从数据部署的角度出发,提出基于数据关联依赖关系的跨数据中心云数据部署策略.在满足数据中心存储能力约束的前提下,将依赖度高的数据尽可能部署到相同或彼此间网络带宽资源充沛的数据中心上.实验表明:该策略可降低跨数据中心的传输时间开销,并提高数据密集型计算任务的执行效率. 相似文献
1