《表3 不同算法在2个数据集上的整体性能对比》

  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

《使用自组织增量径向基网络的在线网络流量分类算法》

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

Moore数据集用来模拟大样本场景，ISCX-VPN数据集模拟小样本场景，测试模型多分类的能力。随机选择80%样本作为训练集，20%样本为测试集。表3给出了算法的整体分类性能对比，可以看出OSOINN-RBF的平均准确率最高，为99.6%，对比SOINN算法验证了本文算法的设计有利于提高分类性能。CNN-LSTM采用完全监督的方法，平均准确率为99.2%，性能仍弱于本文的OSOINN-RBF算法。两个数据集的的分类结果对比，可以看出ISVM、K-means、ORF和CNN-LSTM在小样本场景中的表现较差，明显不如大样本场景中的分类性能。而OSOINN-RBF算法无论大样本场景还是小样本场景，分类性能都为最优且非常稳定。