《表5 训练时间、模型参数和预测时间的对比》
提示：宽带有限、当前游客访问压缩模式
从实验结果上看，本文所提出的基于深度神经网络的预测算法STPM的误差百分比相对于其他算法更低图10与图11展示了利用传统方法与深度学习方法进行预测的结果，其中，纵轴为总时长值，横轴为样本ID，拟合线为预测值，散点为真实值.根据真实值与预测值的绝对误差，对真实值的散点颜色进行区分.十字代表300s的误差内，圆圈代表300s～400s的误差，叉号代表400s～500s的误差，三角代表500s～600s的误差，方形代表误差超过600s.
| 图表编号 | XD00168925900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 赖永炫、张璐、杨帆、卢卫、王田 |
| 绘制单位 | 厦门大学信息科学与技术学院软件工程系、厦门大学深圳研究院、厦门大学信息科学与技术学院软件工程系、厦门大学深圳研究院、厦门大学深圳研究院、厦门大学航空航天学院自动化系、中国人民大学信息学院计算机系、华侨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） |
