测试关注点-数据精度丢失和CUP计算性能

测试关注点-数据精度丢失和CUP计算性能

数据的处理方式

cpu是直接处理的二进制数据,数据的处理方式是 先转换成二进制计算,完成后再转换为十进制。

进制转换

1)十进制: 0 1 2 3 4 5 6 7 8 9
2)二进制:0 1
3)十六进制:0 1 2 3 4 5 6 7 8 9 A B C D E F

如何转换成十进制:
十进制数45876=4*104 + 5*103+8*102+7*101+6*100
二进制数101101= 1*25 +0*24+123+1*22+0*21+1*20=46
十六进制数D4A2 =D*163+ 4*162+A*161+2*100=54434
二进制数101101.101 = 1*25 +0*24+1
23+1*22+0*21+1*20+1*2-1+0*2-2 + 1*2-3 = 46 + 0.5 +0.25 + 0.125 =46.625

十进制转换成二进制:
1)整数:除2取整倒过来
2)小数:乘2取整顺着来

a.写出整数139的二进制数?
	139/2    =   69 -------1
	69/2     =   34 -------1
	34/2     =   17 -------0
	17/2     =   8 --------1
	8/2      =   4 --------0
	4/2      =   2---------0
	2/2      =   1---------0
	1/2      =   0---------1
	**所以139的二进制数为10001011**
b.写出139.625的二进制数
	0.625 * 2 = 1.25     ---------------1
	0.25 * 2  = 0.5      ---------------0
	0.5 * 2   = 1        ---------------1
	**所以139.625得二进制数为10001011.101**

小数的精度丢失问题

// An highlighted block
package java_basic_for_Test;

public class DiginalType {
	
	public static void main(String[] args) {
		float flo = 12.543f;
		System.out.println(flo);
	}
}
//输出结果12.534
package java_basic_for_Test;

public class DiginalType {
	
	public static void main(String[] args) {
		float flo = 12.543f;
		System.out.println(flo*1.0);
	}
}
//输出结果为12.543000221252441
package java_basic_for_Test;

public class DiginalType {
	
	public static void main(String[] args) {
		float flo = 12.625f;
		System.out.println(flo*1.0);
	}
}
//输出结果为12.625

为什么12.543输出会是12.543000221252441的呢?
我们把12。534转换成二进制得到
12.534 = 1100.11010111000010.......
12.625 = 1100.101
我们会发现12.534小数部分的二进制时无线不循环的。
CPU处理浮点数的性能决定了运算的性能。

测试关注点

eg:WeChat红包的最大金额是200,我们可以试下199.9999999999999999这个数字的计算能力如何

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: kdd-cup99网络入侵检测数据集是一个用于网络安全领域的数据集,其中包含了多种网络入侵攻击类型的数据。对于这个数据集的分类,可以使用机器学习算法进行分类,例如支持向量机、决策树、随机森林等。分类的目的是将正常的网络流量和恶意的网络流量区分开来,以便于网络安全人员进行有效的防御和应对。同时,对于不同类型的网络入侵攻击,也可以使用不同的分类算法进行分类,以提高分类的准确率和效率。 ### 回答2: KDD Cup 99数据集是一个用于网络入侵检测的数据集,其中包含了网络流量的数据。对于这个数据集的分类,主要可以分为四个类别:正常流量、DoS攻击、U2R(用户到根)攻击和R2L(远程到本地)攻击。 正常流量是指用户正常访问网络时产生的流量,其特征通常是数据包数较少,数据包大小较小,流量波动较小,访问的目的性强。 DoS攻击指的是拒绝服务攻击,攻击者通过发送大量的恶意数据包,来耗尽系统资源,导致正常用户无法正常访问系统。DoS攻击的特征是数据包数非常大,数据包大小较小,流量波动较大,访问的目的性较弱。 U2R攻击指的是用户到根攻击,攻击者通过获取系统权限来进行恶意行为。U2R攻击的特征是数据包数较少,数据包大小较大,流量波动较小,访问的目的性强。 R2L攻击指的是远程到本地攻击,攻击者通过获取某个远程系统的权限,来进入本地系统进行恶意行为。R2L攻击的特征是数据包数较少,数据包大小较大,流量波动较小,访问的目的性较弱。 综上所述,对于KDD Cup 99数据集的分类,需要根据流量的不同特征进行分析,从而确定流量的类别,以进行有效的网络入侵检测。 ### 回答3: KDD-CUP99网络入侵检测数据集是公认的网络入侵检测领域的标准数据集之一。该数据集由MIT林肯实验室和DARPA合作开发,包括正常和异常网络流量数据,以模拟网络被攻击或未被攻击的情况。该数据集由42个网络特征变量组成,包括TCP,UDP和ICMP包个数、目的地IP地址、源IP地址、不同标记类型的错误个数、入站与出站概率等。其目的在于通过对网络数据的深入分析,识别潜在的网络威胁,预测和防范网络安全事故的发生。 在对KDD-CUP99数据集的分类进行研究时,一般采用机器学习中的分类算法。分类算法的目标是将输入的网络流量数据进行划分,将其分为正常行为和异常行为两个类别。其中,异常行为包括DoS攻击、Probing攻击、R2L和U2R攻击。这四种攻击方式的特点分别是:DoS攻击是一种大量流量的攻击方式,旨在耗尽资源;Probing攻击是对网络的轻量级扫描,旨在发现网络的弱点;R2L攻击试图利用远程主机的漏洞,将恶意代码插入目标网络中;U2R攻击是一种利用异常代码发送数据包来比较权限和优先级的攻击。 目前,对于KDD-CUP99数据集的分类研究主要集中在三个方面。一是研究分类算法,如KNN、支持向量机(SVM)、决策树等,通过比较算法和数据预处理方法,找出最佳的分类算法。二是对网络流量数据进行特征选择和维度规约,减少数据集规模、降低计算难度,提高分类准确率。三是对数据集进行增广和更新,使得分类算法能够适应新型的网络攻击方式和策略。 总之,KDD-CUP99数据集的分类研究对于预测网络威胁、保护网络安全至关重要。分类算法的准确率和算法效率直接影响网络安全,因此,未来还需要加强对数据集的研究及算法创新,提高网络入侵检测能力,保障网络安全。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值