La cybers curit dans le contexte du big data est connue pour tre un probl me critique et repr sente un grand d fi pour la communaut des chercheurs. Les algorithmes d'apprentissage automatique ont t propos s comme candidats pour traiter les probl mes de s curit des big data. Parmi ces algorithmes, les machines vecteurs de support (SVM) ont connu un succ s remarquable sur divers probl mes de classification. Cependant, pour tablir un SVM efficace, l'utilisateur doit nier la configuration ad quate du SVM l'avance, ce qui est une t che difficile qui n cessite des connaissances d'expert et une grande quantit d'efforts manuels pour les essais et les erreurs. Ici, nous formulons le processus de configuration du SVM comme un probl me d'optimisation bi-objectif dans lequel la pr cision et la complexit du mod le sont consid r es comme deux objectifs conflictuels. Nous proposons un nouveau cadre hyper-heuristique pour l'optimisation bi-objectif qui est ind pendant du domaine du probl me. C'est la premi re fois qu'une hyper-heuristique est d velopp e pour ce probl me. Le cadre hyper-heuristique propos se compose d'une strat gie de haut niveau et d'une heuristique de bas niveau.
ThriftBooks sells millions of used books at the lowest everyday prices. We personally assess every book's quality and offer rare, out-of-print treasures. We deliver the joy of reading in recyclable packaging with free standard shipping on US orders over $15. ThriftBooks.com. Read more. Spend less.