strategies require that the size of

strategies require that the size of the filtered cluster be specified and, in these results,
the cluster size is taken to be the actual number of inserted attack profiles. This point
should be taken into account in comparing the results with those obtained with the
neighbourhood filtering strategy (Figure 25.9), in which no such control on the cluster size was applied. The 80% maximum recall obtained for the PLSA strategy is
due to the fact that the wrong cluster is selected approximately 20% of the time. The
PCA clustering strategy shows very good performance, even in the case of attacks
consisting of a mixture of random, average and bandwagon profiles.
The UnRAP algorithm [3] also uses clustering to distinguish attack profiles. This
algorithm uses a measure called the Hv score which has proved successful in identifying highly correlated biclusters in gene expression data. In the context of attack
detection, the Hv score measures for each user, a sum of the squared deviations of
its ratings from the user mean, item mean and overall mean ratings:

ผลลัพธ์ (ไทย) 1:

กลยุทธ์ต้องว่า ขนาดของคลัสเตอร์ filtered จะ specified และ ผลลัพธ์เหล่านี้ขนาดคลัสเตอร์ถูกนำมาเป็น ตัวเลขจริงของ profiles โจมตีแทรก จุดนี้ควรนำมาพิจารณาในการเปรียบเทียบผลกับผู้รับด้วยการเขียน filtering กลยุทธ์ (รูป 25.9), ซึ่งไม่เช่นควบคุมขนาดคลัสเตอร์ที่ใช้ เป็น 80% สูงสุดระลึกถึงได้กลยุทธ์ PLSAเนื่องจากข้อเท็จจริงที่ว่าคลัสเตอร์ไม่ถูกต้องไว้ประมาณ 20% ของเวลา ที่กลยุทธ์ระบบคลัสเตอร์ PCA แสดงประสิทธิภาพดีมาก แม้ในกรณีที่โจมตีประกอบด้วยส่วนผสมของ profiles เฉลี่ยและ bandwagon ได้สุ่มขั้นตอนวิธี UnRAP [3] ใช้คลัสเตอร์เพื่อแยก profiles โจมตี นี้อัลกอริทึมใช้การวัดที่เรียกว่าคะแนน Hv ซึ่งได้พิสูจน์แล้วว่าประสบความสำเร็จในการระบุ biclusters correlated สูงในยีนข้อมูลนิพจน์ ในบริบทของการโจมตีตรวจสอบ คะแนน Hv วัดสำหรับแต่ละผู้ใช้ ผลรวมของความเบี่ยงเบนกำลังสองของจัดอันดับจากค่าเฉลี่ยของผู้ใช้ สินค้าหมายถึง และรวมหมายถึง การจัดอันดับ:

ผลลัพธ์ (ไทย) 2:

กลยุทธ์การกำหนดให้ขนาดของสาย ltered คลัสเตอร์เป็นเอ็ดสาย speci และในผลลัพธ์เหล่านี้
ขนาดของคลัสเตอร์ถูกนำไปเป็นจำนวนที่แท้จริงของการโจมตีใส่โปรไฟ les จุดนี้
ควรจะนำมาพิจารณาในการเปรียบเทียบผลกับผู้ที่ได้รับกับ
กลยุทธ์ ltering ไฟใกล้เคียง (รูปที่ 25.9) ซึ่งไม่มีการควบคุมดังกล่าวในขนาดของคลัสเตอร์ถูกนำมาใช้ 80% สูงสุดจำได้สำหรับกลยุทธ์ PLSA เป็น
เพราะความจริงที่ว่ากลุ่มที่ไม่ถูกต้องจะถูกเลือกโดยประมาณ 20% ของเวลา
กลยุทธ์การจัดกลุ่ม PCA แสดงให้เห็นถึงประสิทธิภาพการทำงานที่ดีมากแม้ในกรณีของการโจมตี
ที่ประกอบด้วยส่วนผสมของสุ่มเฉลี่ยและ bandwagon โปรไฟ les.
ขั้นตอนวิธี UnRAP [3] นอกจากนี้ยังใช้การจัดกลุ่มที่จะแยกแยะการโจมตีโปรไฟ les นี้
ขั้นตอนวิธีการใช้มาตรการที่เรียกว่าคะแนน Hv ซึ่งได้พิสูจน์แล้วว่าประสบความสำเร็จในการระบุ biclusters ความสัมพันธ์อย่างมากในข้อมูลการแสดงออกของยีน ในบริบทของการโจมตี
การตรวจสอบมาตรการ Hv คะแนนสำหรับผู้ใช้แต่ละผลรวมของการเบี่ยงเบนกำลังสองของ
การจัดอันดับจากผู้ใช้หมายถึงหมายถึงสินค้าและการให้คะแนนเฉลี่ยโดยรวม:

ผลลัพธ์ (ไทย) 3:

กลยุทธ์ต้องใช้ว่า ขนาดของคลัสเตอร์จึง ltered เป็น speci จึงเอ็ดและในผลลัพธ์เหล่านี้
ขนาดกลุ่มถ่ายให้เป็นตัวเลขจริงของแทรกการโจมตี Pro จึงเลส จุดนี้
ควรนำมาพิจารณาเปรียบเทียบกับผลที่ได้กับ
ตาง ๆจึง ltering กลยุทธ์ ( รูป 25.9 ) ที่ไม่มีการควบคุมในคลัสเตอร์ขนาดทดลองใช้80% สูงสุดเรียกคืนได้สำหรับกลยุทธ์ plsa คือ
เนื่องจากกลุ่มผิดไว้ประมาณ 20% ของเวลา
PCA สำหรับกลยุทธ์ที่แสดงประสิทธิภาพที่ดีมาก แม้ในกรณีของการโจมตี
ประกอบด้วยส่วนผสมของสุ่มเฉลี่ยและ bandwagon Pro จึงเลส
ขั้นตอนวิธี unrap [ 3 ] นอกจากนี้ยังใช้ในการจัดกลุ่มแยกแยะโจมตี Pro จึงเลส นี้
ขั้นตอนวิธีที่ใช้วัดว่า HV คะแนนซึ่งได้พิสูจน์แล้วว่าประสบความสำเร็จในการระบุในระดับสูง biclusters ข้อมูลการแสดงออกของยีน . ในบริบทของการโจมตี
, HV คะแนนมาตรการสำหรับผู้ใช้แต่ละผลรวมของกำลังสองของส่วนเบี่ยงเบนของคะแนน
จากผู้ใช้หมายถึง หมายถึงสินค้าและการให้คะแนนโดยรวม :
หมายถึง