《表2 尺度上推:不同算法的CA比较》
通过对表2中的数据进行分析可以看出,UAMSC在不同数据集上的CA值均高于其他对比算法,在WDBC和waveform数据集上尤其明显。针对WDBC而言,相比D tree和MSCSUA,分别提高了8.8%和3.4%;针对waveform而言,相比D tree和MSCSUA,分别提高了12.4%和3.1%。对比发现,CFW在H data上准确率相对较高,而在其他四个数据集上相对来说处于劣势,这是因为这四个数据集特征不同,取值个数较多,且难以形成代表性规律,导致该算法在数据集上泛化性能较差,而H data不同取值个数较少,且分布规律明显,适用于该算法,因此泛化性能较强,准确率较高。就整体平均值而言,与其他算法相比,UAMSC约有4.5%的性能提升。
图表编号 | XD00202112000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.05 |
作者 | 张璐璐、赵书良、田真真、陈润资 |
绘制单位 | 河北师范大学计算机与网络空间安全学院、河北师范大学河北省供应链大数据分析与数据安全工程研究中心、河北师范大学河北省网络与信息安全重点实验室、河北师范大学计算机与网络空间安全学院、河北师范大学河北省供应链大数据分析与数据安全工程研究中心、河北师范大学河北省网络与信息安全重点实验室、河北师范大学计算机与网络空间安全学院、河北师范大学河北省供应链大数据分析与数据安全工程研究中心、河北师范大学河北省网络与信息安全重点实验室、河北师范大学数学科学学院 |
更多格式 | 高清、无水印(增值服务) |