《表1 UCI数据集:基于改进Border-SMOTE的不平衡数据工业控制系统入侵检测》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于改进Border-SMOTE的不平衡数据工业控制系统入侵检测》
表2表示各种过采样方法的AUC值。由表2可知,基于NB分类器,在不同过采样方法中,SLSMOTE和Border-SMOTE在数据集Ecoli、Car Evaluation上的效果比较接近;IBorder-SMOTE在4个数据集上均有较高的AUC值。基于分类器KNN,除数据集Ecoli外,SLSMOTE的AUC值有所下降,而Border-SMOTE和IBorder-SMOTE的效果比较相近。在以SVM作为分类器的基础上,IBorder-SMOTE的分类效果均取得较好的分类精度,尤其是在Car Evaluation上,SVM的分类准确率高达96.82%,远远高于SMOTE、Border-SMOTE、SLSMOTE的采样处理分类结果,也优于其他分类器。在4个不平衡数据集上的AUC值显示,本文提出的IBorder-SMOTE相比传统的SMOTE、Border-SMOTE、SLSMOTE,在不平衡率从8.6到28.1的测试数据集上都有更好的分类性能。IBorder-SMOTE可以有效降低不平衡数据对分类器性能的影响。
图表编号 | XD00175834400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.10 |
作者 | 张晓宇、王华忠 |
绘制单位 | 华东理工大学化工过程先进控制和优化技术教育部重点实验室、华东理工大学化工过程先进控制和优化技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |