《表7 各分类器实验结果:基于集成学习投票算法的Android恶意应用检测》
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
《基于集成学习投票算法的Android恶意应用检测》
%
五种分类器和集成学习方法的恶意应用程序检测结果如表7所示。可以看出,SVM分类器的准确率ACC在五个基分类器中是最高的,达到98.93%。评估结果表明,除NB算法外,各算法的检测准确率非常相似。从表7还可以看出,SVM算法和RF算法的检测结果非常接近。一般来说,RF算法的实验检测结果优于CART算法,因为RF算法也是一种基于决策树的集成学习方法,实验结果也证明了这一结论。NB分类算法准确率最低,只有61.63%,正确率PRE仅有61.99%,这也说明贝叶斯模型不适合分类Android应用程序功能特征。
图表编号 | XD00188984800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 赵宇鑫、努尔布力、艾壮 |
绘制单位 | 新疆大学软件学院、新疆大学网络中心、新疆大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |