《表4 几种入侵检测方法的性能对比》

  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

《基于改进的深度信念网络的入侵检测方法》

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

从表4可以看出，IDBN-SC方法在不同的数据集上的准确率分别为96.43%、98.65%、97.37%、98.24%，相比较其他四种方法准确率平均提高3.02个百分点。而IDBN-SC方法在不同数据集上的分类处理时间分别为6.87 s、10.56 s、14.64 s、18.73 s，相比softmax方法平均缩短5.58 s，相比IDBN-SVM方法平均缩短2.77 s。实验结果表明IDBN-SC方法在准确率上显著提高了网络入侵数据的识别能力，极大地缩短了softmax分类器的训练时间。SVM分类器的时间复杂度是其输入向量的指数函数，softmax分类器的时间复杂度是其输入向量的一次函数，ADT分类器的时间复杂度与其输入向量和树的深度有关，NN算法的时间复杂度与其输入向量和网络层数有关。因此，通过IDBN进行特征降维，IDBN-SC方法有效地减少分类器输入向量维数，以缩短网络数据分类的处理时间。