《表4 t检验结果：基于NSL-KDD数据集的物联网入侵检测特征选择方法研究》

  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

由于配对样本t检验相对独立样本t检验可以使每个样本都接受所有的实验处理，因此，为进一步考察表3中的数据是全面的结果还是偶然性结果。本文在同一个域内对2种方法进行测试，并采用配对样本t检验以测试平均值的差异是否显著。假设这些平均值的差异为0，显然这是一个无效假设，在此进行配对抽样t检验，观察是否可以拒绝上述无效假设，实验结果如表4所示。假设数据置信区间为95%，而表4中第2、3行的结果分别为0.02和0.03，因此，PCA与SfFS指数、Relief指数的性能差异具有统计学意义，SfFS和Relief的特征选择性能明显优于IG。所有组合都能获得较高的精度，但它们在假阳性识别率上却有不同的表现。假阳性结果见表5。将SfFS与DT相结合可以获得非常低的假阳性率，因此，这种混合方法对于该领域的应用非常有价值。