《表3 各攻击类型预测结果》
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
《基于改善Bagging-SVM集成多样性的网络入侵检测方法》
%
由图4可知,随着基分类器个数的增加,基分类器的训练样本减少,导致平均准确率与最高准确率有所降低,但集成学习的准确率逐渐增大,说明集成学习的结果并不完全依赖于基分类器的准确率,且集成学习的结果相比较于单纯SVM模型有明显改善.设置k=15,统计集成学习模型对各种攻击的预测效果,结果如表3.
图表编号 | XD00186169200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 张康宁、廖光忠 |
绘制单位 | 武汉科技大学计算机科学与技术学院、武汉科技大学智能信息处理与实时工业系统湖北省重点实验室 |
更多格式 | 高清、无水印(增值服务) |