《表1 不同算法的样本判别结果》
图5表明随着增量的不断增加三种算法运行时间总体呈上升趋势,而本文算法所需要的学习时间低于SVDD算法,由于SVDD算法是对全部的X0和X1进行训练,因此所需要的运行时间相对较多,而ISVDD算法是对SV0和全部的X1重新训练,淘汰了全部的NSV0,从而节省了大量训练时间,与以上两种算法相比,本文算法在利用SV0基础上,保留了少部分的NSV0和淘汰了X1中受噪声扰动较大的样本,虽然运行时间比ISVDD高,但图6表明,本文算法针对木马信号的检测率与SVDD算法相近同时远远高于ISVDD算法。表1中给出了本文算法与另外两种算法的判别结果。
图表编号 | XD0035469000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 李雄伟、魏延海、王晓晗、徐璐、孙萍 |
绘制单位 | 陆军工程大学石家庄校区、陆军工程大学石家庄校区、陆军工程大学石家庄校区、中国人民解放军61785部队 |
更多格式 | 高清、无水印(增值服务) |