《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》

  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

《集成学习在高误码率下AOS协议识别中的应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。