《表3 试件参数：基于超图的工业数据异常检测》
提示：宽带有限、当前游客访问压缩模式
所有比较方法在正常和异常不同比例的数据集上关于工业控制流量数据异常预测的实验结果如表3所示。
| 图表编号 | XD00198069600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.31 |
| 作者 | 王清华、易大勇、李丽 |
| 绘制单位 | 北京中油瑞飞信息技术有限责任公司网络安全运行中心、清华大学软件学院、国家企业信息化应用支撑软件工程技术研究中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 异常检测均值：基于BiGRU-SVDD的ADS-B异常数据检测模型》2020.10.25
- 《表1 数据集信息：基于超图的工业数据异常检测》2020.12.31
- 《表2 基准回归：基于超图的工业数据异常检测》2020.12.31
- 《表1 试件参数表：基于粒子滤波算法的电网运行异常值快速检测算法》2021.01.05
- 《表3 节点检测时间数据：基于自学习的组网式交通信号灯异常检测研究》2021.03.01
- 《表3 样本数据特征分析：基于孤立森林算法的取用水量异常数据检测方法》2020.02.01
- 《表3 基于日志数据的异常检测方法对比分析》2020.07.01
- 《表3 QB字节含义：基于智能电表大数据的异常用电检测》2020.06.28
- 《表1 SM数据：基于智能电表大数据的异常用电检测》2020.06.28
- 《表1 异常数据检测结果：基于算法以及小波分析的智能卡消费数据异常检测》2020.07.10
- 《表1 样本数量分布：一种基于LSTM自动编码机的工业系统异常检测方法》2020.07.20
- 《表3 参数设置信息：基于多分辨率网格的异常检测方法》2020.09.01
- 《表3 参数设置信息：高斯核密度估计方法检测健康数据异常值》2019.12.01
- 《表4 检测精度数据：基于聚类分析的高维数据异常特征光流检测系统》2019.12.25
- 《表3 默认框生成参数：基于改进SSD的电力设备红外图像异常自动检测方法》2020.01.25
- 《表2 异常检测结果对比：基于二元特征的断面交通数据异常检测与修正》2019.09.30
- 《表2 整个模型性能：基于机器学习的工业控制网络异常检测方法》2019.06.10
- 《表3 异常数据信息：基于密度的离群点检测技术在中厚板轧后冷却中的研究》2019.05.01
- 《表3 实验所用数据集：基于NMEA-BP的WSN数据流异常检测算法》2018.05.01
- 《表1 基于GPR的异常数据检测方法检测性能》2018.06.01