Zobrazeno 1 - 10
of 48
pro vyhledávání: '"Gnanaprakasam C"'
Autor:
Helina Rajini Suresh, Vallem Ranadheer Reddy, Sangamithrai K, Hirald Dwaraka Praveena, Gnanaprakasam C, Sakthi Lakshmi Priya C
Publikováno v:
Iraqi Journal for Computer Science and Mathematics, Vol 5, Iss 3 (2024)
Anomaly detection is very important in social networks to keep the truth, security and believability of online communities. This paper presents Adapto Detect which uses a fresh anomaly detection scheme named Pufferfish Optimization Technique (POT) fo
Externí odkaz:
https://doaj.org/article/385004be17b34433a5a9c325c41a9df9
Publikováno v:
In Measurement: Sensors December 2022 24
Publikováno v:
Journal of Intelligent & Fuzzy Systems. 2022, Vol. 43 Issue 6, p7485-7510. 26p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
null Gnanaprakasam C. N., N. Arockia Rosy, Vaishali Gajendra Shende, N. B. Prakash, P. V. Pramila, S. Ramesh
Publikováno v:
ISET INTERNATIONAL CONFERENCE ON APPLIED SCIENCE & ENGINEERING (CASE 2021).
Autor:
Gnanaprakasam C. N., Rosy, N. Arockia, Shende, Vaishali Gajendra, Prakash, N. B., Pramila, P. V., Ramesh, S.
Publikováno v:
AIP Conference Proceedings; 2023, Vol. 2690 Issue 1, p1-8, 8p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Shakir Khan, V. Saravanan, Gnanaprakasam C. N, T. Jaya Lakshmi, Nabamita Deb, Nashwan Adnan Othman
Publikováno v:
Computational intelligence and neuroscience. 2022
With the rapid development of mobile medical care, medical institutions also have the hidden danger of privacy leakage while sharing personal medical data. Based on the k-anonymity and l-diversity supervised models, it is proposed to use the classifi