A Robust PCA Feature Selection To Assist Deep Clustering Autoencoder-Based Network Anomaly Detection

This paper presents a novel method to enhance the performance of Clustering-based Autoencoder models for network anomaly detection. Previous studies have developed regularized variants of Autoencoders to learn the latent representation of normal data in a semi-supervised manner, including Shrink Aut...

Celý popis

Podrobná bibliografie

Vydáno v:	2021 8th NAFOSTED Conference on Information and Computer Science (NICS) s. 335 - 341
Hlavní autoři:	Nguyen, Van Quan, Nguyen, Viet Hung, Cao, Van Loi, Khac, Nhien - An Le, Shone, Nathan
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 21.12.2021
Témata:	Anomaly detection Benchmark testing Clustering-based Autoencoders (CAEs) Computer science Data models Deep Learning Feature extraction Latent Representation Principal component analysis Principal Component Analysis (PCA)
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!