《表3 聚类结果准确率：自适应聚类的未知应用层协议识别方法》
提示：宽带有限、当前游客访问压缩模式
本文通过将该结果与人工标记结果进行比较得到算法聚类的准确率，得到表3。
| 图表编号 | XD00134377500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 洪征、龚启缘、冯文博、李毅豪 |
| 绘制单位 | 中国人民解放军陆军工程大学指挥控制工程学院、中国人民解放军陆军工程大学指挥控制工程学院、中国人民解放军陆军工程大学指挥控制工程学院、中国人民解放军陆军工程大学指挥控制工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表7 归属识别结果：基于量子遗传和核模糊聚类的低压台区户变关系识别》2020.10.25
- 《表5 聚类结果对比：基于量子遗传和核模糊聚类的低压台区户变关系识别》2020.10.25
- 《表2 故障识别结果：基于S变换和k-means聚类的输电线路故障识别》2021.01.01
- 《表2 ad AP结果：基于能量谱相似度自适应聚类的配电网接地故障区段定位方法》2021.03.10
- 《表1 聚类结果：基于负序功率方向比较和模糊C均值聚类的电网故障区域识别》2021.01.10
- 《表1 仿真模型参数：基于密度聚类的容迟网络路由协议》2020.10.01
- 《表2 不同算法运行时间：融合CEEMD＿MPE和GK模糊聚类的故障识别方法》2020.06.01
- 《表3 聚类准确率：适应不同距离的三维激光雷达数据处理方法》2020.08.15
- 《表7 EM聚类结果：自适应聚类的未知应用层协议识别方法》2020.03.01
- 《表1 网络流量数据集：自适应聚类的未知应用层协议识别方法》2020.03.01
- 《表4 测试数据集：自适应聚类的未知应用层协议识别方法》2020.03.01
- 《表2 聚类结果：自适应聚类的未知应用层协议识别方法》2020.03.01
- 《表1 数据集及其特征：基于共识和分类改善文档聚类的识别信息方法》2020.04.10
- 《表5 特殊负荷命名：基于自适应神经网络系统聚类的特殊负荷分类研究》2019.01.25
- 《表4 分类方法比较：基于自适应神经网络系统聚类的特殊负荷分类研究》2019.01.25
- 《表2 准确度比较：一种基于聚类的服务QoS值协同过滤预测方法》2019.08.15
- 《表4 两种聚类方法匹配识别准确度对比》2019.06.01
- 《表4 训练集中自适应K-means聚类的实验结果Tab.4 Experimental results of adaptive K-means clustering in the training set》2019.03.28
- 《表3 对比算法聚类指标：自适应蝙蝠算法优化的模糊聚类及其应用》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