《表7 系统检测结果：融合密度聚类与集成学习的数据库异常检测》
提示：宽带有限、当前游客访问压缩模式
通过上述实验结果表明，当聚类参数ε=0.01，Min Pts=10时，集成学习中Bagging、Boosting复合模式情况下采用M LP个体分类器，Stacking模式下采用NB个体分类作为元学习器相比于其他组合而言具备更好的系统识别准确率和更低的误报率，可作为系统最优的实现策略，实现后的系统异常检测结果如表7所示．
| 图表编号 | XD00213664100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.01 |
| 作者 | 李勃、寿曾、刘昕禹、高明慧、马力、徐剑 |
| 绘制单位 | 南瑞集团有限公司(国网电力科学研究院有限公司)、北京科东电力控制系统有限责任公司、国网辽宁省电力有限公司、东北大学软件学院、南瑞集团有限公司(国网电力科学研究院有限公司)、北京科东电力控制系统有限责任公司、南瑞集团有限公司(国网电力科学研究院有限公司)、北京科东电力控制系统有限责任公司、东北大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
