《表4 算法参数设置表:面向卫星电源系统的一种新颖异常检测方法》
由表5可知,其他算法由于数据维度较高,导致准确率低于RFAE。由于异常样本的数量远远低于正常样本,导致类别不平衡,从而预测为假正的样本数量较多。其他算法虽然召回率较高,但是精确率比较低。F值综合了召回率和精确率来衡量模型的优劣,由表5可知,RFAE算法的检测效果明显优于其他算法。此外,表5的最后一行展示了每个算法在预测阶段的运行时间,RFAE模型的运行时间最短,略低于PCA的运行时间,这是由于RFAE模型在训练完成后直接调用训练好的模型进行检测。综上所述,RFAE模型在预测效果和运行时间上均优于当前主流的异常检测算法。
图表编号 | XD00126973000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.30 |
作者 | 张怀峰、江婧、张香燕、皮德常 |
绘制单位 | 南京航空航天大学计算机科学与技术学院、南京航空航天大学计算机科学与技术学院、北京空间飞行器总体设计部、南京航空航天大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |