LuanVan.vnLuận Văn
Gửi thư

PHÂN LOẠI TẬP TIN PHÂN MẢNHSỬDỤNGMẠNGNƠ-RON TÍCH CHẬP

Khoá luận tốt nghiệp · Đại học · năm 2021 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảVõ Nhật Triều
Người hướng dẫnThái Minh Tuấn
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2021
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Phân loại tập tin phân mảnh là một trong những công việc chính trong pháp y bộ nhớ và phục hồi dữ liệu. Hiện tại đã có một số công cụ, phương pháp được đề xuất như: trình phân loại tập tin Sceadan, mô hình mạng nơ-ron phức hợp NN-CO,... Nhược điểm của các phương pháp này là vấn đề khó khăn trong việc huấnluyệndữliệu, khả năng mở rộng loại tập tin kém, tốn nhiều thời gian trong việc huấn luyện và phân loại dữ liệu. Để giải quyết các vấn đề trên, luận văn này đề xuất mô hình mạng nơ-ron tích chập 1-D (1D-CNN), với đầu vào là các khối byte thô (521 bytes, 4096 bytes), sử dụng lớp nhúng để biến đổi dữ đầu vào liệu về dạng số thực, tương tự phương pháp đã mang lại kết quả thành công trong xử lý ngôn ngữ tự nhiên. Từđóviệc trích xuất đặc trưng tự động dễ dàng hơn, tạo nên một kiến trúc mạng nhỏ gọn, rút ngắn thời gian phân loại và huấn luyện dữ liệu. Luận văn đánh giá phương pháp được đề xuất dựa trên tập dữ liệu mới, đa dạng và cân bằng nhất từ trước đến nay gồm 75 loại tập tin. Phương pháp đề xuất vượt trội hơn tất cả các giải pháp cũ về tốc độ, độ chính xác và tỉ lệ sai cá nhân. Phương pháp đề xuất đạt độ chính xác trung bình 75.1% với tốc độ xử lý 38s/GB, kết quả tốt hơn so với mô hình mới nhất là Sceadan với độ chính xác 55.2%, tốc độ phân loại 9 min/GB.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.