《表5 部分模型结构组合表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进深度卷积神经网络的网络流量分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图4表示各模型结构在数据集CICIDS 2017上的总体分类正确率，各类分类准确率、召回率，以及F1值.观察图4结合实验数据分析得知拥有3个卷积层的各类模型性能区别微小，其中最优秀的模型是Cnn3 B1，该分类模型具有3个卷积层和3个池化层，具体参数见表5.对比使用4个卷积层的Cnn4 H2模型，其总体分类正确率0.9626比Cnn3 B1模型的0.9658减少0.0032，且Cnn4 H2模型结构更复杂，运行时间更长，总体性能有所下降.接着对比拥有5个卷积层的模型Cnn5 I，发现总体分类准确率仅0.8405，性能下降厉害，因此没有继续对比卷积层数更深的模型.