買這商品的人也買了...
-
如何衡量萬事萬物：大數據時代，做好量化決策、分析的有效方法 (How to Measure Anything: Finding the Value of$480$379 -
$245雲計算架構設計模式 -
深度學習 : 捲積神經網絡從入門到精通$474$450 -
了不起的 Markdown$390$371 -
大數據資料可視化：Python QT GUI 程式設計 (有些許瑕疵,不影響閱讀)$880$748 -
Python 科學計算及實踐$534$507 -
SaaS 商業實戰：好模式如何變成好生意$534$507 -
機器學習入門與實戰 — 基於 scikit-learn 和 Keras$359$341 -
$505神經反饋原理與實踐 -
集成式學習：Python 實踐！整合全部技術，打造最強模型 (Hands-On Ensemble Learning with Python: Build highly optimized ensemble machine learning models using scikit-learn and Keras)$750$593 -
$356集成學習入門與實戰：原理、算法與應用 -
$404Python 數據結構和算法實戰, 2/e (Hands-On Data Structures and Algorithms with Python: Write complex and powerful code using the latest features of Python 3.7, 2/e) -
$356商業化推薦系統服務應用實戰 -
$305網絡安全技術與實訓, 5/e (微課版) -
$715模式分類（原書第2版·典藏版） -
聯邦學習：算法詳解與系統實現$594$564 -
$254數據結構（Python版） -
$357精通 Microsoft 365 雲計算管理 SharePoint Online 篇 -
$199算法深潛：勇敢者的Python探險 -
$356數據結構（Python版） -
現代決策樹模型及其編程實踐：從傳統決策樹到深度決策樹$774$735 -
$305Python 智能優化算法：從原理到代碼實現與應用 -
智能優化算法與涌現計算, 2/e$1,134$1,077 -
凡人也能懂的白話人工智慧演算法 (Grokking Artificial Intelligence Algorithms)$580$435 -
$653MATLAB 智能算法, 2/e
相關主題
商品描述
《雲計算安全：關鍵技術、原理及應用》採取理論與應用相結合的方式，對雲計算相關的主要技術、
常見信息安全風險和威脅、雲計算安全關鍵技術以及雲計算的安全運維與服務等內容進行了系統闡述，
對雲計算安全相關的國內外法律法規和標準做了深入解讀。
通過本書的學習讀者可以了解雲計算安全領域相關的技術和方法，
以及雲安全工程師認證考試的全部知識點。
《雲計算安全：關鍵技術、原理及應用》共8章，主要內容包括雲計算基礎知識、
雲安全模型與風險分析、雲平台和基礎設施安全、雲數據安全、雲應用安全、雲安全運維、雲安全服務和雲安全治理。
《雲計算安全：關鍵技術、原理及應用》是對編者多年的理論研究、實踐經驗的系統總結和歸納，
同時也參考了國內外*新的理論研究成果和當前主流廠商相關的產品與解決方案。
《雲計算安全：關鍵技術、原理及應用》可作為信息安全諮詢服務、測評認證、安全建設、
安全管理等領域從業人員的技術讀本和工具書，還可作為高等院校信息安全相關專業本科生和研究生雲計算相關課程的教學參考書。
目錄大綱
前言
第1章支持向量機1
1.1支持向量機的理論基礎1
1.2支持向量機原理5
1.3核函數9
1.4實例1-1：基於改進支持向量機的正交小波盲均衡算法11
1.5實例1-2：基於U-支持向量機的正交小波盲均衡算法22
第2章混沌計算29
2.1混沌理論基礎30
2.3混沌優化算法36
2.4實例2-1：基於混沌優化的正交小波常數模盲均衡算法36
2.5實例2-2：基於混沌支持向量機優化的小波加權多模盲均衡算法42
2.6實例2-3：基於混沌通信系統的正交小波變換盲均衡算法51
第3章蟻群優化算法56
3.1基本蟻群算法56
3.2改進螞蟻系統62
3.3蟻群算法收斂性分析70
3.4實例3-1：基於蟻群優化算法的常數模盲均衡算法73
3.5實例3-2：基於蟻群優化算法的正交小波包變換常數模盲均衡算法77
3.6實例3-3：基於混合蟻群算法的半導體生產線爐管區調度方法85
第4章DNA計算與遺傳算法100
4.1DNA計算100
4.2DNA編碼問題104
4.3遺傳算法118
4.4DNA遺傳算法125
4.5實例4-1：基於DNA遺傳算法優化的常數模盲均衡算法130
4.6實例4-2：基於ＤＮＡ遺傳算法的表面貼裝生產線負荷優化分配方法135
第5章人工免疫系統140
5.1人工免疫系統140
5.2 Opt-aiNet算法149
5.3小生境人工免疫網絡系統150
5.4形態空間人工免疫調節網絡153
5.5實例5-1：基於Opt-aiNet的正交小波盲均衡算法156
5.6實例5-2：基於形態空間人工免疫調節網絡的正交小波常數模算法161
第6章螢火蟲算法165
6.1標準螢火蟲算法165
6.2基於利維飛行和變異算子的螢火蟲算法176
6.3雲螢火蟲算法184
6.4基於精英反向學習的K均值螢火蟲算法185
6.5基於DNA遺傳的螢火蟲優化算法190
6.6實例6-1：基於雲螢火蟲算法改進二維Tsallis熵的醫學圖像分割算法195
6.7實例6-2：基於新型DNA遺傳螢火蟲優化的二維圖像小波盲恢復算法199
第7章蝙蝠算法207
7.1基本蝙蝠算法207
7.2量子蝙蝠算法212
7.3混合蝙蝠算法215
7.4DNA遺傳蝙蝠算法220
7.5實例7-1：基於DNA遺傳蝙蝠算法的分數間隔多模盲均衡算法221
7.6實例7-2：基於雙蝙蝠群智能優化的多模盲均衡算法227
第8章混合蛙跳算法234
8.1混合蛙跳算法的理論基礎235
8.2混合蛙跳算法的原理236
8.3混合蛙跳算法的搜索策略239
8.4遺傳混合蛙跳算法243
8.5基於DNA編碼的多種群循環遺傳混合蛙跳算法248
8.6實例8-1：新型DNA遺傳蛙跳算法優化的MIMO多模盲均衡算法256
8.7基於混合蛙跳算法的光伏陣列參數辨識方法266
第９章魚群算法276
9.1人工魚群算法276
9.2鯨魚群優化算法286
9.3鯰魚粒子群優化算法297
9.4實例9-1：遺傳混沌人工魚群優化DNA序列的頻域加權多模均衡算法303
9.5實例9-2：基於鯨魚群優化算法的柔性作業車間調度方法308
9.6實例9-3：基於鯰魚群優化的雙曲正切誤差函數盲均衡算法317
參考文獻321
