《表3 不同算法在2个数据集上的整体性能对比》
Moore数据集用来模拟大样本场景,ISCX-VPN数据集模拟小样本场景,测试模型多分类的能力。随机选择80%样本作为训练集,20%样本为测试集。表3给出了算法的整体分类性能对比,可以看出OSOINN-RBF的平均准确率最高,为99.6%,对比SOINN算法验证了本文算法的设计有利于提高分类性能。CNN-LSTM采用完全监督的方法,平均准确率为99.2%,性能仍弱于本文的OSOINN-RBF算法。两个数据集的的分类结果对比,可以看出ISVM、K-means、ORF和CNN-LSTM在小样本场景中的表现较差,明显不如大样本场景中的分类性能。而OSOINN-RBF算法无论大样本场景还是小样本场景,分类性能都为最优且非常稳定。
图表编号 | XD00210426200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 陈卓、吕娜、张彦晖、缪竞成 |
绘制单位 | 空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军工程大学信息与导航学院 |
更多格式 | 高清、无水印(增值服务) |