《表3 关联规则参数:基于网络流量的用户网络行为被害性分析模型》
(3)采用Apriori算法对显/隐性行为特征序列进行关联规则挖掘,设定提升度为大于0.9减小开销,最终挖掘规则共计600余条。提升度越大,规则越多,精度越高,但开销显著增加。关联规则参数见表3。
图表编号 | XD00192999700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.20 |
作者 | 周胜利、徐啸炀 |
绘制单位 | 浙江警察学院、浙江警察学院 |
更多格式 | 高清、无水印(增值服务) |
(3)采用Apriori算法对显/隐性行为特征序列进行关联规则挖掘,设定提升度为大于0.9减小开销,最终挖掘规则共计600余条。提升度越大,规则越多,精度越高,但开销显著增加。关联规则参数见表3。
图表编号 | XD00192999700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.20 |
作者 | 周胜利、徐啸炀 |
绘制单位 | 浙江警察学院、浙江警察学院 |
更多格式 | 高清、无水印(增值服务) |