《表2 实验数据：基于点群聚类的计算机网络入侵节点选择算法研究》
提示：宽带有限、当前游客访问压缩模式
实验数据为KDDCUP99网络数据集，是哥伦比亚大学实验室从1998年MITLL的IDS数据集中整理得到，是最具权威性的网络安全审计数据集。具体数据如表2所示。
| 图表编号 | XD00147480200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.05 |
| 作者 | 于府平 |
| 绘制单位 | 烟台汽车工程职业学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 入侵检测的准确性：基于布谷鸟搜索算法的网络大数据轻量级入侵检测方法研究》2020.07.15
- 《表1 客户点的具体信息：基于入侵杂草算法的城市生鲜配送优化研究》2021.02.10
- 《表1 实验模拟参数：基于布谷鸟算法的光纤激光网络异质信息入侵检测》2021.01.25
- 《表2 光伏电池参数：基于大数据和图社群聚类算法的攻击者画像构建》2021.01.05
- 《表1 实验数据样本：基于蚁群优化算法和支持向量机相结合的医院网络非法入侵检测》2020.11.15
- 《表1 数据集：基于时间序列聚类的轨迹停留点检测算法》2020.12.05
- 《表1 网络性能对比：基于权重图增量的无线网络Relay节点选择算法》2019.10.01
- 《表3 测试结果：基于点群聚类的计算机网络入侵节点选择算法研究》2020.09.05
- 《表1 清洗方法：基于点群聚类的计算机网络入侵节点选择算法研究》2020.09.05
- 《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》2019.12.25
- 《表4 实验结果的准确率：基于SSAE-PNN算法的网络入侵检测研究》2019.10.01
- 《表2 实验数据集：基于SSAE-PNN算法的网络入侵检测研究》2019.10.01
- 《表3 实验相关算法参数：基于文本聚类的网络微博舆情话题识别与追踪技术研究》2019.09.15
- 《表1 实验数据分布：基于主成分分析和卷积神经网络的入侵检测方法研究》2019.05.25
- 《表2 实验结果图：基于k-means聚类的Bagging算法研究》2019.08.10
- 《表1 实验数据库：基于k-means聚类的Bagging算法研究》2019.08.10
- 《表1 数据集描述：基于划分的蚁群聚类算法研究》2019.01.25
- 《表2 测试结果：基于划分的蚁群聚类算法研究》2019.01.25
- 《表1 节点属性样例表：基于点群聚类的云数据中心计算节点选择与推介》2018.06.01
- 《表1 实验参数设置：基于二进制入侵杂草算法的无线传感网络覆盖研究》2018.09.25