《表1 识别模型评价结果:集成学习在高误码率下AOS协议识别中的应用研究》
根据以上两种评价指标,6种协议识别模型的识别结果见表1。通过对表1分析可以看出,在F1-score和AUC两种评价指标情况下,Adaboost、GBDT及RandomForest三种集成学习模型的识别准确率与KNN_uni、KNN_dis、SVM_rbf等单学习模型的识别准确率相当,表明了该系统的可行性。但是,从测试运行时间上看,Adaboost、GBDT及RandomFroest三种集成学习模型的运行时间远好于KNN_uni、KNN_dis、SVM_rbf等单学习模型的运行时间,且集成模型最差的Adaboost方法运行时间比非集成学习模型最优的SVM方法的运行时间提升95.94%,表明了该系统具有更好的运行效率方面的优势。
图表编号 | XD00176496500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 朱明、王春梅、姚秀娟、李雪 |
绘制单位 | 中国科学院国家空间科学中心、中国科学院大学、中国科学院国家空间科学中心、中国科学院国家空间科学中心、中国科学院国家空间科学中心 |
更多格式 | 高清、无水印(增值服务) |