《表2 模型的方差分析结果》

  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NSL-KDD数据集的物联网入侵检测特征选择方法研究》

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

首先，采用PCA将输入特征转换成一系列互不相关的新特征，即“成分”。在P<0.000 1水平下前30个成分具有较重要的统计学意义。本文利用PCA提取了13个特征值大于1的“成分”，这些“成分”占总方差的78.005%。表2给出了利用PCA提取的13个特征值大于1的“成分”以及所占方差总额的比例。其中，主成分的有效性可以通过特征值加以测试，如图2所示。图2中，本文尝试获取特征值下降到图片右侧时的对应点。当选取的特征值阈值为2时，可以获得4个“成分”；当特征值阈值设定为1时，可以相应地获得14个“成分”。本文对上述情况进行了深入分析和比较，最终确定选取13个特征值大于1的“成分”，这些“成分”所占方差总额的比例为78.005%。