Perceptie van bedreigingen vanuit de lucht met behulp van datamining

Dit boek presenteert een ontwerpkader gebaseerd op een gecentraliseerde schaalbare architectuur voor een effectieve gesimuleerde perceptie van dreigingen vanuit de lucht. In dit raamwerk zijn datamining en patroonclassificatietechnieken opgenomen. Dit artikel richt zich op effectieve voorspelling door te vertrouwen op de kennisbasis en patronen te vinden voor het bouwen van de beslissingsbomen. Dit framework is flexibel ontworpen om naadloos te integreren met andere applicaties. De resultaten tonen de effectiviteit van geselecteerde algoritmen aan en suggereren dat meer parameters worden meegenomen voor de besluitvorming over dreigingen vanuit de lucht; des te beter is ons vertrouwen in de resultaten. Om ons te verdiepen in nauwkeurige doelvoorspelling, moeten we beslissingen nemen op basis van meerdere factoren. Meerdere technieken die samen worden gebruikt, helpen bij het vinden van de juiste classificatie van bedreigingen en resulteren in een beter vertrouwen in onze resultaten.

M. Anwar-ul-Haq es profesor en la Foundation University, Islamabad. Completó su Maestría en Ingeniería de Software de la Universidad Nacional de Ciencia y Tecnología, Islamabad Pakistán y se graduó del Instituto Ghulam Ishaq Khan, Topi Khyber Pakhtunkhwa, Pakistán. Sus intereses de investigación incluyen el aprendizaje automático y la minería de datos.