《表2 实验数据集的大小：基于k近邻密度峰值聚类混合算法的网络入侵检测》
提示：宽带有限、当前游客访问压缩模式
本文从KDD-CUP 99中随机抽取的五个数据集进行测试和训练。表1详细描述了KDD-CUP 99的原始数据集大小。表2给出了实验数据集的大小。
| 图表编号 | XD00127008300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.25 |
| 作者 | 王志勇 |
| 绘制单位 | 河南省国土资源电子政务中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 溶解性实验结果：基于最优密度估计的密度峰值聚类算法》2020.07.16
- 《表1 实验数据集：一种改进节点凝聚度的密度峰值聚类算法》2020.07.01
- 《表3 网络参数性质：一种基于密度峰值聚类的链路预测算法》2020.05.01
- 《表1 实验数据集的描述：一种面向不完备信息系统的集对k-means聚类算法》2020.07.01
- 《表1 实验数据集的属性：基于改进人工蜂群算法与MapReduce的大数据聚类算法》2020.06.01
- 《表2 实验结果：基于K近邻和粒子群优化的特征选择算法》2020.03.25
- 《表1 实验数据集：结合遗传k均值改进的密度峰值聚类算法》2020.04.16
- 《表2 UCI数据集：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表4 各算法召回率：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表3 各算法准确率：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表1 人工数据集：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表3 4种算法的NMI：基于密度峰值的改进K-Means文本聚类算法及其并行化》2019.10.24
- 《表2 4种算法的ARI：基于密度峰值的改进K-Means文本聚类算法及其并行化》2019.10.24
- 《表1 数据集说明：基于文化算法的K均值聚类混合算法研究》2019.09.10
- 《表1 UCI数据集：一种基于K近邻的比较密度峰值聚类算法》2019.05.15
- 《表2 人工数据集：一种基于K近邻的比较密度峰值聚类算法》2019.05.15
- 《表2 实验参数：大数据挖掘中的混合差分进化K-Means无监督聚类算法》2019.05.15
- 《表1 网络数据流的特征：基于改进的密度空间聚类算法的网络恶意数据流检测策略》2019.04.25
- 《表1 真实网络数据集：一种基于改进密度峰值聚类的社区发现算法》2019.04.01
- 《表1 真实网络数据：基于信息传递和峰值聚类的自适应社区发现算法》2018.11.01