《表2 混淆矩阵：基于卷积神经网络的软件漏洞自动分类方法》
提示：宽带有限、当前游客访问压缩模式
为了评估所提出的漏洞自动分类模型（Word2VecCNN）的性能并比较不同算法之间的性能，需要统一的评估标准。采用多类混淆矩阵来评估模型分类性能，如表2所示。
| 图表编号 | XD00174769300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.25 |
| 作者 | 刘烊侨、杨频、王炎 |
| 绘制单位 | 四川大学网络空间安全学院、四川大学网络空间安全学院、四川大学网络空间安全学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基于卷积神经网络的红边波段影像作物分类混淆矩阵》2021.02.25
- 《表3 基于卷积神经网络的遥感影像作物分类混淆矩阵》2021.02.25
- 《表2 混淆矩阵：基于卷积神经网络和XGBoost的摔倒检测》2020.08.25
- 《表1 混淆矩阵：非均衡数据下基于卷积神经网络的专利文本自动分类研究》2020.09.30
- 《表4 漏洞类别分类结果：基于卷积神经网络的软件漏洞自动分类方法》2020.05.25
- 《表1 数据样本：基于卷积神经网络的软件漏洞自动分类方法》2020.05.25
- 《表5 算法能力分析：基于流量分析的软件升级漏洞自动检测方法》2020.02.15
- 《表4 权重信息：基于流量分析的软件升级漏洞自动检测方法》2020.02.15
- 《表3 U型全卷积神经网络模型水质分类结果混淆矩阵（数据集1)》2020.03.01
- 《表5 U型全卷积神经网络模型水质分类结果混淆矩阵（数据集2)》2020.03.01
- 《表4 分类结果混淆矩阵：融合双向门控循环单元和卷积神经网络的歧视性言论鉴别》2020.04.24
- 《表2 数字混淆矩阵：基于卷积神经网络的藏文手写数字和字母识别研究》2019.12.01
- 《表1 分类结果混淆矩阵：基于卷积神经网络的非等效点云分割方法》2019.12.01
- 《表1 分类混淆矩阵：基于卷积神经网络的心电信号分类研究》2019.08.13
- 《表2 分类混淆矩阵：一种基于Logicboost的软件缺陷预测方法》2019.08.01
- 《表3 混淆矩阵：基于卷积神经网络的细粒度情感分析方法》2019.01.25
- 《表4 混淆矩阵：基于代价极速学习机的软件缺陷报告分类方法》2019.05.01
- 《表1 TOP判别特征：基于激活漏洞能力条件的软件漏洞自动分类框架》2019.05.15
- 《表3 基于特征波段与卷积神经网络分类的混淆矩阵》2019.04.25
- 《表2 混淆矩阵：基于全卷积神经网络的林木图像分割》2019.02.15